i4h-workflow-finetune

ワークフローポリシータスクのファインチューニング

目的

選択したワークフロー実行モードと、所有するリモートタスクのマニフェストに基づいて、トレーニングを解決して実行します。

手順

1. ベースチェックアウト、ポリシーモード、リモートタスクを解決します。
2. データセットとの互換性と train ブロックを確認します。
3. 正確な設定でドライランを実行します。
4. フォアグラウンドでトレーニングし、チェックポイントの成果物を確認します。

ワークフロー、タスク、データを解決する

export I4H_WORKFLOWS_REPO_URL="${I4H_WORKFLOWS_REPO_URL:-https://github.com/isaac-for-healthcare/i4h-workflows}"
I4H_REPO_DIR_NAME="${I4H_WORKFLOWS_REPO_URL%/}"
I4H_REPO_DIR_NAME="${I4H_REPO_DIR_NAME##*/}"
I4H_REPO_DIR_NAME="${I4H_REPO_DIR_NAME##*:}"
I4H_REPO_DIR_NAME="${I4H_REPO_DIR_NAME%.git}"
[ -n "$I4H_REPO_DIR_NAME" ] || { echo "Cannot derive a checkout name from I4H_WORKFLOWS_REPO_URL" >&2; exit 2; }
ROOT="${I4H_WORKFLOWS:-$(git rev-parse --show-toplevel 2>/dev/null)}"
if [ ! -d "$ROOT/workflows/i4h_workflows" ]; then
  ROOT="${I4H_WORKFLOWS:-$HOME/$I4H_REPO_DIR_NAME}"
  [ -d "$ROOT/workflows/i4h_workflows" ] || git clone "$I4H_WORKFLOWS_REPO_URL" "$ROOT"
fi
export I4H_WORKFLOWS="$ROOT"
cd "$ROOT"
./run.sh list
./run.sh show <workflow> --mode <policy-mode>
test -f /absolute/path/to/dataset/meta/info.json
nvidia-smi

上記のリゾルバーはスキルの契約の一部として扱います。ホストされたコピーはベースリポジトリ外で実行されることがあるため、現在のチェックアウトに workflows/i4h_workflows が含まれていると決めつけないでください。I4H_WORKFLOWS_REPO_URL はクローン元を指定します。I4H_WORKFLOWS が設定されていない場合は、この URL からフォールバックディレクトリを導出します。特定の保存先を選ぶか再利用する場合に限り、I4H_WORKFLOWS を設定してください。既存のチェックアウトを置き換えてはいけません。

選択したワークフローの実行モードを読み、リモートタスク ID を特定します。tasks/<project>/i4h_tasks/<project>/manifest/<task>.yaml を開き、train: があることを必須とします。そのマニフェストとプロジェクトの train.py から、プロジェクト、エントリーポイント、ベースモデル／設定、出力のデフォルト、モダリティの契約を解決します。

プロンプトにパスの指定がない場合は、現在のチェーンの LeRobot データセットを使用します。その身体構成、カメラ、タスクテキスト、特徴量の幅、エピソード数がリモートタスクと互換性があることを確認します。

長時間の実行前に設定を解決する

すべてのポリシートレーニングのエントリーポイントは --dry-run をサポートしています。

uv run --project "tasks/<project>" "i4h-tasks-<project-with-hyphens>-train" \
  --task <project>/<task> \
  --dataset /absolute/path/to/dataset \
  --output-dir /absolute/path/to/checkpoints \
  --max-steps <N> \
  --batch-size <N> \
  --dry-run

解決された設定を確認します。ユーザーが指定したステップ数、バッチサイズ、モデル／設定、GPU 数は正確に維持してください。

GR00T の場合、「ビジョンチューニングをオフにする」は --no-tune-visual に対応します。openpi には渡さないでください。openpi の CLI ではこのオプションが公開されていません。選択したプロジェクトの現在の train.py に存在するオプションのみを使用してください。

トレーニング

--dry-run を削除し、コマンドをフォアグラウンドで実行します。

uv run --project "tasks/<project>" "i4h-tasks-<project-with-hyphens>-train" \
  --task <project>/<task> \
  --dataset /absolute/path/to/dataset \
  --output-dir /absolute/path/to/checkpoints \
  --max-steps <N> \
  --save-steps <N> \
  --batch-size <N> \
  --num-gpus <N>

バックエンド固有のオプションは、解決してから追加してください。トレーニングを実行可能にするために、指定されたステップ数やバッチサイズを黙って減らしてはいけません。

検証

終了ステータスが 0 であること、指定されたステップ数が完了していること、トレーニングログが保存されていること、読み込み可能なチェックポイントの成果物が少なくとも 1 つあることを必須とします。不完全な出力ディレクトリをチェックポイントと呼ばず、正確なチェックポイントパスを特定してください。

チェックポイントを使用可能と報告する前に、バックエンドの読み込みスモークテストを制限時間内で実行します。

uv run --project "tasks/<project>" python -m "<project>.server" \
  --namespace "checkpoint-smoke-$$" \
  --preload <project>/<task> \
  --checkpoint /absolute/path/to/checkpoint \
  --preload-only

選択したプロジェクトの実際のモジュールパスを使用します。--preload-only は推論バックエンドを通じてマニフェストとチェックポイントを読み込み、ロールアウトを開始せずに終了します。トレーニングが終了しただけでは、ファイルが書き込まれたことしか証明できず、推論で読み込めることの証明にはなりません。

タスク出力と選択したチェックポイントについて du -sh の結果を報告します。一部のトレーナーは、出力ルートに最終モデルを保存し、番号付きチェックポイントも保存します。この重複を明示しますが、ユーザーが明示的に整理を求めない限り、どちらのコピーも削除してはいけません。

読み込みスモークテストを実施した正確なチェックポイントパスを i4h-workflow-validate に引き渡します。ユーザーから依頼がない限り、評価は実行しないでください。

トラブルシューティング

データセット、マニフェスト、モデルアクセス、GPU メモリ、バックエンドに関する最初のエラーを報告します。ログを保持し、指定されたハイパーパラメーターを黙って変更してはいけません。

前提条件

互換性のある LeRobot データセット、同期済みのポリシー環境、モデルへのアクセス、十分な GPU 容量、train: を含むリモートタスクのマニフェストが必要です。

制限事項

推論専用のタスクはファインチューニングできません。また、このスキルではトレーニングだけでロールアウトの成功を保証しません。

例

• Fine-tune for 200 steps with a batch size of 32. Turn off vision tuning. → 正確な値を維持し、GR00T がサポートするビジョンオプションを適用して、ドライランとトレーニングを実行し、チェックポイントを報告します。

完了条件

ワークフロー／モード、タスク ID とマニフェスト、データセットとの互換性、解決された設定、要求／完了したステップ数、バッチ／GPU／ビジョンの設定、チェックポイントパス、制限時間内の読み込みスモークテストの結果、出力／チェックポイントのディスク容量、正確な検証の引き継ぎ先、終了サマリー、推論専用の制約やリソース不足があれば、その内容を報告します。