基于合并数据集在CloudRobo平台执行模型重训

合并DAGGER采集数据与原始数据集

新建一个terminal窗口，激活lerobot对应的conda环境，执行命令：

lerobot-edit-dataset --new_repo_id "{$new_merged_dataset}" --operation.type merge --operation.repo_ids "['{$dataset_1}','{$dataset_2}']" --push_to_hub false

• {$new_merged_dataset}：合并后数据集的路径，比如/home/dagger_data/merged_dataset_20260618_0821。
• {$dataset_1}： 待合并的数据集1的路径。
• {$dataset_2}：待合并的数据集2的路径。

一般推荐通过人类干预方式采集的轨迹数量在100条以上，以保证数据质量。

数据集格式说明（LeRobotDataset格式：Parquet+视频/图片）

当前采用lerobot v3.0格式存储数据集。

示例

put_pen_20260612_143453/
  ├── meta/
  │   ├── info.json          # 数据集元信息 (版本、robot_type、fps 等)
  │   ├── stats.json         # 统计信息 (均值、标准差等)
  │   ├── tasks.parquet      # 任务定义
  │   └── episodes/
  │       └── chunk-000/
  │           └── file-000.parquet  # episode 元数据
  ├── data/
  │   └── chunk-000/
  │       └── file-000.parquet      # 实际数据 (action, observation.state 等)
  ├── videos/
  │   ├── observation.images.front/
  │   │   └── chunk-000/
  │   │       └── file-000.mp4      # 前视相机视频
  │   └── observation.images.wrist/
  │       └── chunk-000/
  │           └── file-000.mp4      # 手腕相机视频
  └── images/                      # 压缩后的图片 (备用)

上传数据集至CloudRobo平台

1. 安装并配置obsutil，请参考下载并安装obsutil。
2. 获取访问密钥（AK和SK），请参考准备环境。
3. 配置obsutil与OBS的对接信息，请参考初始化配置。
4. 获取CloudRobo平台授权的OBS桶地址。
   1. 登录CloudRobo控制台。
   2. 在页面左上角的下拉框单击“工作空间管理”，进入“工作空间管理”页面。
      图1 工作空间管理
      
   3. 在工作空间列表找到当前工作空间，并复制工作空间默认存储地址。
      图2 复制工作空间默认地址示例
      

5. 通过obsutil上传合并后的DAgger数据集。

   假设obs://cloudrobo/dagger是用户在CloudRobo平台授权的obs桶地址，上传成功后会得到obs://cloudrobo/dagger/data/merged_dataset_20260618_0821。

   cd obsutil_linux_amd64_x.x.x #进入obsutil所在目录。“x.x.x”表示obsutil的版本号
   chmod 755 obsutil            #为obsutil增加可执行权限
   ./obsutil cp home/dagger_data/merged_dataset_20260618_0821 obs://cloudrobo/dagger/data -r -f

在CloudRobo平台重训

1. 登录CloudRobo控制台。
2. 在左侧导航栏选择“模型开发 > 模型训练”，进入“模型训练”页面。
3. 在模型训练列表找到创建模型训练作业（首次）中创建的训练作业，且状态为“已完成”，单击对应“操作”列的“重训”。
4. 在“重新训练作业”页面，修改目标参数，其余参数保持不变。
   • 将“数据设置”修改为“对象存储服务OBS”并选择5中的DAgger数据集地址。
   • 将“保存方式”修改为“已有模型版本”，且版本号改为v0.0.2。

5. 完成后单击“确认提交”，在模型训练页面查看该训练作业处于“运行中”。