physicalai-runtime-running-policy-on-robot

ロボットでポリシーを実行する

PolicyRuntime（src/physicalai/runtime/runtime.py）は制御ループを管理し、InferenceModelはポリシーの計算を担当します。実行戦略はsrc/physicalai/runtime/execution.pyとsrc/physicalai/runtime/rtc_execution.pyにあります。CLI：src/physicalai/cli/run.pyのphysicalai runは、jsonargparseを介してYAMLからインスタンスを生成します。

ワークフロー

1. APIか設定ファイルを選ぶ：ノートブックやテストにはPythonを、再現可能なデプロイにはYAMLとphysicalai runを使用します。

   • 完了の目安：エントリーポイントがユーザーのタスクに合っていること。

2. Pythonで最小限のループを実装する（docs/how-to/runtime/run-policy-on-robot.mdを参照）：

   from physicalai.runtime import PolicyRuntime, SyncExecution
   from physicalai.inference import InferenceModel
   from physicalai.robot import SO101
   from physicalai.capture import UVCCamera
   
   runtime = PolicyRuntime(
       fps=30,
       robot=SO101(port="/dev/ttyACM0"),
       model=InferenceModel("./exports/act_policy"),
       cameras={"wrist": UVCCamera(device="/dev/video0", width=640, height=480)},
       execution=SyncExecution(),
   )
   with runtime:
       runtime.run(duration_s=60)
   

   • 完了の目安：コンポーネントが接続され、フェイクを使ったテストまたはドライランでループが実行されること。

3. YAML設定 — ロボット、モデル、カメラ、実行の各設定をclass_path／init_argsでネストして、次を実行します：

   physicalai run --config runtime.yaml --run.duration_s=60
   

4. 実行モード — docs/how-to/runtime/use-execution-modes.mdを参考に同期とRTCのどちらかを選びます。PolicyRuntimeがキューを管理すべき場合は、InferenceModel.select_actionの周りに独自のタイミング処理を実装しないでください。

5. コールバック — 推論アダプターの内部ではなく、ランタイムコールバックAPI（docs/how-to/runtime/add-runtime-callbacks.md）を介してテレメトリやレイテンシーを登録します。

検証ループ

uv run pytest tests/unit/runtime/ -q

ハードウェアを利用できない場合は、ランタイムテストのフェイクロボットやフェイクカメラを使用します。

必須チェック

• fpsとカメラの読み取りレートに整合性があること。
• アクションの次元が、ロボットのsend_actionで想定されるものと一致すること。
• 設定のclass_pathが、トレーニング用パッケージなしでインポートできること。
• ランタイム設定スキーマに破壊的変更を加えた場合は、docs/reference/config-schema.mdに記載すること。

参考資料

• docs/how-to/runtime/run-policy-on-robot.md
• docs/how-to/config/write-runtime-config.md