LIBERO 数据飞轮

可选的数据飞轮功能会记录 LIBERO 评测中实际执行的轨迹，但不会改变规划器或动作 原语。它首先保存不可变的原始轨迹；转换为训练格式是独立的后续步骤。

安装

环境准备和仿真资源下载请参考 安装。在 RPent 仓库根目录安装 LIBERO-PRO 及数据飞轮导出依赖：

pip install -e ".[libero-pro,flywheel]"

采集轨迹

在普通 LIBERO 评测命令中开启采集，并指定数据根目录：

rpent --robot libero \
  --suite libero_goal --task 0 --seed 0 \
  --planner codex \
  --collect-flywheel-data \
  --flywheel-root /path/to/datacollection

每次运行会在 /path/to/datacollection/raw/libero/<suite>/task_<id>/seed_<seed>/ 下写入一条 轨迹，其中包含策略观测、实际执行的动作、奖励、终止标记、原语调用编号和 VLA 预测的动作序列。采集功能默认关闭，首版仅支持评测模式。

校验并导出成功轨迹

使用轨迹前可以单独校验原始数据：

rpent-flywheel validate /path/to/raw/episode

将同一任务套件中某个任务下所有已完成的成功轨迹导出为 LeRobot 数据集：

rpent-flywheel export-lerobot \
  --data-root /path/to/datacollection \
  --suite libero_goal \
  --task 0 \
  --dataset-id goal-task-00 \
  --output-root /path/to/lerobot

其中 --data-root 是原始数据根目录，--output-root 是导出数据集的父目录。 本例导出的数据集位于 /path/to/lerobot/goal-task-00。

对于成功轨迹，导出从开始到首次完成任务的所有实际执行动作，包含使任务成功的 那一步。其中既有脚本原语动作，也有 VLA 动作；成功后的后续动作不导出。

导出程序不会改写原始轨迹。失败轨迹会继续保留以便审计，但不会进入这份监督训练 数据。

使用 RLinf 训练

将成功轨迹导出为 LeRobot 数据集后，可以在独立的 RLinf 环境中进行 Pi0.5 监督 微调。RPent 负责采集和导出；模型训练、日志和权重保存由 RLinf 管理。

环境安装和训练配置请参考 RLinf OpenPI_RLinf 监督微调指南。 训练数据路径应指向导出的 LeRobot 数据集目录，即包含 meta/info.json 的目录， 而不是原始轨迹目录。

先准备支持 LIBERO LeRobot 数据加载的 RLinf 环境，并将 Pi0.5 LIBERO SFT 配置 保存为 /path/to/sft-config/libero_pi05_sft.yaml，再运行：

cd /path/to/RLinf
unset PYTHONPATH
export PYTHONPATH="$PWD"
export EMBODIED_PATH="$PWD/examples/sft"

.venv/bin/python examples/sft/train_vla_sft.py \
  --config-path /path/to/sft-config \
  --config-name libero_pi05_sft \
  data.train_data_paths=/path/to/lerobot/goal-task-00 \
  actor.model.model_path=/path/to/pi05-checkpoint \
  runner.logger.log_path=/path/to/new-training-output

根据可用 GPU 设置配置中的资源分配和 batch size，并使用与所选模型和数据集 相匹配的 checkpoint 及归一化设置。