Genie ML: van dataset naar model op de robot
Genie ML is het trainingsplatform binnen AGIBOT Genie Studio. Het neemt datasets uit Genie Data (van echte robots en uit simulatie) als input. De resultaten gaan naar evaluatie en inzet in simulatie en op echte robots. Taakbeheer, modelbeheer, image-beheer en een overzicht van de rekencapaciteit staan op één plek.
Ontwikkelen
- Ontwikkelinstances: een Linux-ontwikkelomgeving met 1, 2, 4 of 8 GPU's, voor online compileren, debuggen en modelontwikkeling. U volgt het gebruik van GPU, CPU en geheugen en leest de logs.
- Trainingssjablonen: leg het aantal workers en de omgevingsvariabelen één keer vast en hergebruik ze.
- Images: kies een ingebouwde image voor de meeste basistrainingen of upload een eigen image voor specifieke eisen.
Trainen
U start een trainingstaak met een dataset uit Genie Data. Met de standaard trainingssjablonen moet die dataset in LeRobot-formaat zijn. U stelt het aantal kaarten per worker en het aantal workers in, afhankelijk van de complexiteit van de taak en de vrije capaciteit. Na het kiezen synchroniseert de dataset eerst; daarna kan de training starten. Een taak staat op 'Pending' tot er capaciteit vrij is en daarna op 'Running', met een live log.
Het platform slaat elke 5.000 trainingsstappen een checkpoint op. Als richtlijn noemt de AGIBOT-documentatie: rond 50.000 stappen, met een loss die stabiliseert rond 0,001x, voldoet de training.
Publiceren, compileren en downloaden
- Publiceren: u kiest de trainingstaak en een checkpoint met een loss rond 0,001x.
- Compileren: met het algemene compilatiesjabloon en deployment-type 4090.
- Downloaden: via een terminalcommando dat het platform per compilatie toont.
Deployment en inferentie
Volgens de AGIBOT-documentatie werkt deployment nu alleen in hybride modus. Een externe pc met een RTX 4090-videokaart wordt via Ethernet verbonden met de debugpoort van de robot. Na installatie start u het model via een webinterface en voert u de taak uit.
U kunt ook inferentietaken aanmaken vanuit het platform, met een sjabloon of handmatig. De 4090 moet dan aan het cluster gekoppeld zijn. Bij het eerste gebruik installeert de robot de benodigde onderdelen; dat duurt volgens de AGIBOT-documentatie ongeveer 10 tot 20 minuten. Op dit moment ondersteunt het platform alleen de deployment van PI-modellen.