Skip to content

Commit 8108618

Browse files
author
Suibian-YY-pro
committed
更新达摩院组队学习教程
1 parent d7753b9 commit 8108618

36 files changed

Lines changed: 181 additions & 0 deletions

File tree

16-专题组队学习/01-达摩院组队学习/Task 02_技术透视.md

Lines changed: 30 additions & 0 deletions
Original file line numberDiff line numberDiff line change
@@ -141,6 +141,36 @@ RynnBrain 官方架构图
141141

142142
项目Demo演示
143143

144+
### **6.2 体验RynnBrain模型**
145+
146+
RynnBrain 是一个具备物理感知能力的具身大脑:它能够观察第一人称视角场景,将语言锚定到物理空间与时间中,并为下游机器人系统提供可靠的定位与规划输出。
147+
148+
👉🏻体验链接:[RynnBrain模型体验](https://developer.damo-academy.com/allSpark/model/rynnBrainExperience?modelId=183456791d8d4378925e9f29388b81bb&workspaceId=EFnKQ5eSb)
149+
150+
![img](https://alidocs.dingtalk.com/core/api/resources/img/5eecdaf48460cde5c8fcaff16f6fbe278ad97b2dc37cf3aa75b8339e1c4c24831b75b38faadcd24bec177c308ebd530418fc2fab39d8fff320e547ff3f555350540a32e254c6a2a43ce53a44b12673bed5c719881d9d7cee4fb4c8ed7016461c?tmpCode=ecf714b1-46ca-49ab-b9aa-f03dd9143a46)
151+
152+
现在,你可以拍摄或上传一张真实环境的图片或者一段视频,让RynnBrain 以第一视角进行通用问答、可操作点检测、目标框选、轨迹预测、区域预测。
153+
154+
| 能力 | 描述 |
155+
| ------------ | ------------------------------------------------------------ |
156+
| 通用问答 | 适用于常规对话和开放式问题,模型将根据指令灵活判断,直接回复文本或在图片上进行相应的视觉标记 |
157+
| 可操作点检测 | 识别物体上最适合交互的关键点,并在图片对应位置标记出醒目的高亮圆点,直观指示操作落点 |
158+
| 目标框选 | 根据指令定位目标物体,并在图片上绘制矩形边框将该物体框选出来,清晰界定目标范围 |
159+
| 轨迹预测 | 根据指令规划物体从起点到终点的运动路径,并在图片上标记出路径上的关键路径点,直观展示物体的移动轨迹 |
160+
| 区域预测 | 识别图像中满足条件的特定区域,并在该区域内部散布标记多个关键点,直观展示该空间的有效范围 |
161+
162+
| **示例****一:目标框选** | |
163+
| ------------------------------------------------------------ | ------------------------------------------------------------ |
164+
| 拍摄一张家庭厨房照片,让机器人以第一视角识别。提示词:找出桌子上的矿泉水。![img](https://alidocs.dingtalk.com/core/api/resources/img/5eecdaf48460cde5c8fcaff16f6fbe278ad97b2dc37cf3aa75b8339e1c4c24831b75b38faadcd24bec177c308ebd530434d2137ee9a815995b2fd78caeef2da284259dfe5f71cf27d928825b5baff6bbb1e31a5209b1969e4fb4c8ed7016461c?tmpCode=ecf714b1-46ca-49ab-b9aa-f03dd9143a46) | 回答:RynnBrain结合场景识别桌子上的矿泉水,并标记出来。![img](https://alidocs.dingtalk.com/core/api/resources/img/5eecdaf48460cde5c8fcaff16f6fbe278ad97b2dc37cf3aa75b8339e1c4c24831b75b38faadcd24bec177c308ebd530481040ea155c137477b17c9137adc4ed4924da60accdfce15ee43338b35fa15704155a59f1dc3f5694fb4c8ed7016461c?tmpCode=ecf714b1-46ca-49ab-b9aa-f03dd9143a46) |
165+
| **示例二****:轨迹预测** | |
166+
| 拍摄一张家庭客厅照片,让机器人以第一视角识别。提示词:将电视柜上的矿泉水放进垃圾桶 | 回答:RynnBrain结合场景识别电视柜上的矿泉水和电视柜旁的垃圾桶,并标记出运动轨迹。![img](https://alidocs.dingtalk.com/core/api/resources/img/5eecdaf48460cde5c8fcaff16f6fbe278ad97b2dc37cf3aa75b8339e1c4c24831b75b38faadcd24bec177c308ebd53044b120d4863e8aea6cf99cccb3d18d26ba63ec211ca1fbec1f6516e77782a6afdb675bf44c74403034fb4c8ed7016461c?tmpCode=ecf714b1-46ca-49ab-b9aa-f03dd9143a46) |
167+
168+
相关文章:[RynnBrian模型调用参考文档](https://developer.damo-academy.com/documentation?id=100)
169+
170+
171+
172+
173+
144174
## 7. RynnRCP:为什么还需要协议层
145175

146176
模型再强,也不能自动解决机器人系统的碎片化问题。真正落地时,你仍然要面对不同机器人接口不统一、传感器类型不同、控制链路和推理链路不同步、端侧实时性和云侧算力冲突等问题。RynnRCP(Robotics Context Protocol) 的意义,正是在模型之下补上一层更工程化的连接机制。
Lines changed: 151 additions & 0 deletions
Original file line numberDiff line numberDiff line change
@@ -0,0 +1,151 @@
1+
# **Task 03:** 仿真平台实操详细介绍
2+
3+
从这一部分开始,你将亲手完成一次仿真环境下的数据采集与模型微调。
4+
5+
请按照步骤顺序操作,每一步都配有示意图。如有疑问,你可以查看相关教程👉🏻[仿真环境教程](https://developer.damo-academy.com/course/online/detail/303?key=1)
6+
7+
仿真实操主要包含以下环节:**创建任务 → 采集数据 → 确认数据集 → 创建微调任务 → 查看训练状态 → 导出模型 → 部署服务 → 技能调试。**下面逐一说明。
8+
9+
10+
11+
## **1.** 仿真数据采集
12+
13+
**1.1 创建任务**
14+
15+
首先,进入**数据采集 → 仿真数采**页面,点击“新增任务集”。在配置界面中依次填写任务集名称、描述、任务描述和任务指令,然后点击下一步。选择一个带有“空闲”标志的仿真机器人设备(可按构型筛选),创建完成后点击详情进入采集任务详情页。
16+
17+
![img](https://alidocs.dingtalk.com/core/api/resources/img/5eecdaf48460cde5c492f13b307c016f051c54cb793210e675b8339e1c4c24831b75b38faadcd24bec177c308ebd5304426cd583fcc53a813f8d4a7c0ecd16869273971a643365fa9d4d286e8068a2bd92c15ce13c29f9744fb4c8ed7016461c?tmpCode=ef6c7a8d-ae74-42c1-bc2b-761f49614155)
18+
19+
![img](https://alidocs.dingtalk.com/core/api/resources/img/5eecdaf48460cde5c492f13b307c016f051c54cb793210e675b8339e1c4c24831b75b38faadcd24bec177c308ebd530486d7e23f483ff24110d2e708fc7709d2c8d40f88aa9905d477aa77f6471a6c2c20992a4004a6a6c54fb4c8ed7016461c?tmpCode=ef6c7a8d-ae74-42c1-bc2b-761f49614155)
20+
21+
![img](https://alidocs.dingtalk.com/core/api/resources/img/5eecdaf48460cde5c492f13b307c016f051c54cb793210e675b8339e1c4c24831b75b38faadcd24bec177c308ebd5304fc252e0973752a9257c2a8562020b1e47e4f3805904963f81cd00d5ffbd6ff41dd3eb6b9f988d8494fb4c8ed7016461c?tmpCode=ef6c7a8d-ae74-42c1-bc2b-761f49614155)
22+
23+
![img](https://alidocs.dingtalk.com/core/api/resources/img/5eecdaf48460cde5c492f13b307c016f051c54cb793210e675b8339e1c4c24831b75b38faadcd24bec177c308ebd53040515cfe291715acc48631cd5d493cbd27dcf60d5f3bde54ce8001311dbc728bb66cba8444cc18def4fb4c8ed7016461c?tmpCode=ef6c7a8d-ae74-42c1-bc2b-761f49614155)
24+
25+
![img](https://alidocs.dingtalk.com/core/api/resources/img/5eecdaf48460cde5c492f13b307c016f051c54cb793210e675b8339e1c4c24831b75b38faadcd24bec177c308ebd53041c77ea9b95aabe3775ac52a43fb86309d302add84fbac38c1e4801edf1b1697963d7d763174b694b4fb4c8ed7016461c?tmpCode=ef6c7a8d-ae74-42c1-bc2b-761f49614155)
26+
27+
28+
29+
**1.2 开始采集**
30+
31+
接下来开始采集数据。在任务详情页点击“采集”按钮,等待连接仿真机器人成功。随后配置任务回合数、单回合时长和任务标签,点击确认。系统会自动打开数据采集页面,显示仿真摄像头视角、回合数、采集状态、计时器和键盘操作说明。点击右下角的“开始本回合”,计时开始,你可以使用键盘操作机械臂进行运动,关节数据会自动记录。完成任务动作后点击“结束本回合”,并在弹出的确认窗口中点击确认,即完成一个回合的录制。
32+
33+
如果需要重置场景道具的位置,可以点击“复位”按钮。重复上述步骤,直到所有预设的回合录制完成。录制完成后,在任务详情中会生成新的采集记录,其中包含多个回合的数据集。点击每条记录的详情,可以查看录制视频、关节角数据和对应的指令内容。
34+
35+
![img](https://alidocs.dingtalk.com/core/api/resources/img/5eecdaf48460cde5c492f13b307c016f051c54cb793210e675b8339e1c4c24831b75b38faadcd24bec177c308ebd5304c1fe5d940f59d75b90eaeddca3b55846d84f79d120ba096cb97b2c23a47a23e5c15d46a0fbcaae984fb4c8ed7016461c?tmpCode=ef6c7a8d-ae74-42c1-bc2b-761f49614155)
36+
37+
![img](https://alidocs.dingtalk.com/core/api/resources/img/5eecdaf48460cde5c492f13b307c016f051c54cb793210e675b8339e1c4c24831b75b38faadcd24bec177c308ebd5304f69dcac79a77bf939aa4dda2ca0a13d9eac7c94722160472dffa7fff2741f5f2c0ae4c07779fb2834fb4c8ed7016461c?tmpCode=ef6c7a8d-ae74-42c1-bc2b-761f49614155)
38+
39+
![img](https://alidocs.dingtalk.com/core/api/resources/img/5eecdaf48460cde5c492f13b307c016f051c54cb793210e675b8339e1c4c24831b75b38faadcd24bec177c308ebd53041c5a079364ccf1e603320f49b9c19251e77f43f0bd153bb6dff1eae75c499d706b3f1f78063fc4ba4fb4c8ed7016461c?tmpCode=ef6c7a8d-ae74-42c1-bc2b-761f49614155)
40+
41+
![img](https://alidocs.dingtalk.com/core/api/resources/img/5eecdaf48460cde5c492f13b307c016f051c54cb793210e675b8339e1c4c24831b75b38faadcd24bec177c308ebd5304fc7d5d4277662d9fe842767571e181dc0d50d312ef63245b5ae129c93bb976daa15cbac7902d8ad04fb4c8ed7016461c?tmpCode=ef6c7a8d-ae74-42c1-bc2b-761f49614155)
42+
43+
![img](https://alidocs.dingtalk.com/core/api/resources/img/5eecdaf48460cde5c492f13b307c016f051c54cb793210e675b8339e1c4c24831b75b38faadcd24bec177c308ebd530420ccac752fded59b271f80d59ba7dbfa99a6ca09923dbd16dc1f548609653b17906ef3390c1b1c7a4fb4c8ed7016461c?tmpCode=ef6c7a8d-ae74-42c1-bc2b-761f49614155)
44+
45+
![img](https://alidocs.dingtalk.com/core/api/resources/img/5eecdaf48460cde5c492f13b307c016f051c54cb793210e675b8339e1c4c24831b75b38faadcd24bec177c308ebd5304e032228300eab3009f3b44b8f0c464eeae5917ad941aa2392f1b3b2efa42eb1a78d71c3cb108c1704fb4c8ed7016461c?tmpCode=ef6c7a8d-ae74-42c1-bc2b-761f49614155)
46+
47+
48+
49+
## **2. 数据集查看**
50+
51+
完成数据采集后,需要确认数据集是否正确导入。进入**数据管理**页面,查看“我的数据集”。每一行代表一个数据集,点击“查看”可展开详情,看到每一条数据的帧率、帧数、指令等信息。再点击“详情”会打开一个小窗口,里面并排展示了采集的视频、关节角曲线图和关节角数值表格,可以在线播放查看。如果遇到浏览器视频乱码,请关闭浏览器的硬件加速功能并重启浏览器。
52+
53+
![img](https://alidocs.oss-cn-zhangjiakou.aliyuncs.com/res/AJdl65ARkzAxQOke/img/22d71d25-75bf-4c31-9748-3288a82a299b.png)
54+
55+
![img](https://alidocs.oss-cn-zhangjiakou.aliyuncs.com/res/AJdl65ARkzAxQOke/img/687ddf53-eb92-49dc-9210-9ac6d40596e8.png)
56+
57+
![img](https://alidocs.oss-cn-zhangjiakou.aliyuncs.com/res/AJdl65ARkzAxQOke/img/03444dc7-0c38-48bf-a6eb-4c2af3797b7a.png)
58+
59+
60+
61+
## 3. 模型微调
62+
63+
**3.1 创建模型微调任务**
64+
65+
接下来进入模型微调环节。进入**模型调优**页面,点击“创建训练任务”(注意当前同一体验用户仅有一个训练任务可同时运行)。首先填写基本信息,目前支持 LeRobot | SO-101 机器人构型及其对应的数据集。然后在模型配置中,可以选择官方预置的模型,也可以选择你自己微调后导出的自定义模型(自动导出会在训练成功后执行,若训练失败需手动导出)。超参配置已经设置为推荐值,你也可以根据个人需求调整。选择好训练配置后,点击“开始训练”。此时可以在模型调优任务列表中看到新创建的任务,并跟踪其状态。
66+
67+
![img](https://alidocs.dingtalk.com/core/api/resources/img/5eecdaf48460cde5c492f13b307c016f051c54cb793210e675b8339e1c4c24831b75b38faadcd24bec177c308ebd5304c0dcbff91b552c2eaa3abe15762b3642ae1a17f33183408a6a652a037e341fe469ffc87e8944039c4fb4c8ed7016461c?tmpCode=ef6c7a8d-ae74-42c1-bc2b-761f49614155)
68+
69+
![img](https://alidocs.dingtalk.com/core/api/resources/img/5eecdaf48460cde5c492f13b307c016f051c54cb793210e675b8339e1c4c24831b75b38faadcd24bec177c308ebd53045f43f6011c6fc536d0943eb79517f33bbbe7437ea4a4f4c35f33eebe631accfe9a96f3b5999843df4fb4c8ed7016461c?tmpCode=ef6c7a8d-ae74-42c1-bc2b-761f49614155)
70+
71+
![img](https://alidocs.dingtalk.com/core/api/resources/img/5eecdaf48460cde5c492f13b307c016f051c54cb793210e675b8339e1c4c24831b75b38faadcd24bec177c308ebd5304e71f502bb9cc82fa58d322cefa89c3dd4c5dc9abc6d4b74574179f30756ff4d7ee34c4acc16cd1db4fb4c8ed7016461c?tmpCode=ef6c7a8d-ae74-42c1-bc2b-761f49614155)
72+
73+
![img](https://alidocs.dingtalk.com/core/api/resources/img/5eecdaf48460cde5c492f13b307c016f051c54cb793210e675b8339e1c4c24831b75b38faadcd24bec177c308ebd5304f9975b5cb8a125277c3733291cf945207589ab52daad87af5fc354b5727d4b68878becb594c85d974fb4c8ed7016461c?tmpCode=ef6c7a8d-ae74-42c1-bc2b-761f49614155)
74+
75+
76+
77+
**3.2 查看训练状态**
78+
79+
在任务详情页面,你可以多维度查看训练进展。详情信息页显示训练配置;资源监控页显示 CPU、GPU 和内存占用;训练指标页展示各类指标的变化趋势;时间线页呈现整体训练进度;日志页可以查看详细的输出日志;产出模型页则会在训练完成后列出最终得到的模型文件。
80+
81+
![img](https://alidocs.dingtalk.com/core/api/resources/img/5eecdaf48460cde5c492f13b307c016f051c54cb793210e675b8339e1c4c24831b75b38faadcd24bec177c308ebd5304c9739254d7ad020fc1cd9628222583a86580f59b01650139dd777eb656cafcc9c3e97ede07403d234fb4c8ed7016461c?tmpCode=ef6c7a8d-ae74-42c1-bc2b-761f49614155)
82+
83+
![img](https://alidocs.dingtalk.com/core/api/resources/img/5eecdaf48460cde53426166cba4bd7815b0d6fa168a51e0b75b8339e1c4c24831b75b38faadcd24bec177c308ebd530456056042850122f5174f9d68b5503a9f44eccd0eda847fa8015d2fb5863392cae5bf8b993f35cbc94fb4c8ed7016461c?tmpCode=ef6c7a8d-ae74-42c1-bc2b-761f49614155)
84+
85+
**3.3 导出模型结果**
86+
87+
训练成功后,需要导出模型。在调优任务详情的“产出模型”页面,可以批量选择或单条导出模型。导出后的模型会出现在“我的模型”页面,你可以在此查看所有已导出的模型;如果误删了,可以回到产出模型页面重新导出。
88+
89+
![img](https://alidocs.dingtalk.com/core/api/resources/img/5eecdaf48460cde53426166cba4bd7815b0d6fa168a51e0b75b8339e1c4c24831b75b38faadcd24bec177c308ebd53041c56a54a198e5d5e68f6ec27ead4501070812ed296aecdebc081a577c3480b1d0dd8595fda1bdaa34fb4c8ed7016461c?tmpCode=ef6c7a8d-ae74-42c1-bc2b-761f49614155)
90+
91+
![img](https://alidocs.dingtalk.com/core/api/resources/img/5eecdaf48460cde53426166cba4bd7815b0d6fa168a51e0b75b8339e1c4c24831b75b38faadcd24bec177c308ebd5304917bc2e8b34722b6f7372ea077628e802cc39dcae736e56b7f9ab206c217999522cef7164c0045874fb4c8ed7016461c?tmpCode=ef6c7a8d-ae74-42c1-bc2b-761f49614155)
92+
93+
## 4. 模型部署
94+
95+
得到模型后,下一步是部署服务。
96+
97+
部署任务的创建入口有两个:我的模型页面和模型部署页面。创建时填写基本信息,选择模型技能(技能名称默认与 prompt 一致,推荐使用中文以便识别),然后选择部署配置。你可以设置服务的在线时长,超时后服务会自动下线。点击“开始部署”后,在部署任务列表中可查看部署状态。
98+
99+
服务上线有三种方式:部署完成后自动上线;已下线的服务可点击按钮重新上线;在模型广场-我的模型中也可以手动上线。服务下线则有自动(在线时长到期)和手动(点击下线按钮或卡片右上角)两种方式。已部署且正在运行的服务可以在“模型广场 → 我的模型”下查看。
100+
101+
![img](https://alidocs.dingtalk.com/core/api/resources/img/5eecdaf48460cde5c492f13b307c016f051c54cb793210e675b8339e1c4c24831b75b38faadcd24bec177c308ebd530498bb2b4fd83ac0896b39638968355b3807b56124301afa8db1d684d12a4303681910226802ab44804fb4c8ed7016461c?tmpCode=ef6c7a8d-ae74-42c1-bc2b-761f49614155)
102+
103+
![img](https://alidocs.dingtalk.com/core/api/resources/img/5eecdaf48460cde5c492f13b307c016f051c54cb793210e675b8339e1c4c24831b75b38faadcd24bec177c308ebd53047963ede79b6833bb1bf07cc5730129b5ee8e36acb7303fe7c46d65812545344caf7508f33876cf434fb4c8ed7016461c?tmpCode=ef6c7a8d-ae74-42c1-bc2b-761f49614155)
104+
105+
![img](https://alidocs.dingtalk.com/core/api/resources/img/5eecdaf48460cde5c492f13b307c016f051c54cb793210e675b8339e1c4c24831b75b38faadcd24bec177c308ebd5304a8b43db07da5bc8769f4740de61930e3947cb6c2944aed7f6db824c30491bdb116859541b7ec931c4fb4c8ed7016461c?tmpCode=ef6c7a8d-ae74-42c1-bc2b-761f49614155)
106+
107+
![img](https://alidocs.dingtalk.com/core/api/resources/img/5eecdaf48460cde5c492f13b307c016f051c54cb793210e675b8339e1c4c24831b75b38faadcd24bec177c308ebd5304ae224f63e6d94aea1ef4fce7c06473af70819865ea58319e2e869da183baaf419a0909fa228dfa034fb4c8ed7016461c?tmpCode=ef6c7a8d-ae74-42c1-bc2b-761f49614155)
108+
109+
![img](https://alidocs.dingtalk.com/core/api/resources/img/5eecdaf48460cde5c492f13b307c016f051c54cb793210e675b8339e1c4c24831b75b38faadcd24bec177c308ebd53041007bb3bce8afd12defcdeba3eb45c8abc75eab60d1737a7223a86be08c564e445cdee3e9fee8a354fb4c8ed7016461c?tmpCode=ef6c7a8d-ae74-42c1-bc2b-761f49614155)
110+
111+
## 5. 模型调试
112+
113+
最后,在仿真环境中调试你的模型。进入**模型广场**,通过调试环境筛选出“仿真”可用的模型。
114+
115+
点击“模型调试”进入模型详情页,选择仿真环境下对应构型的设备,然后点击“调试”按钮进入仿真调试页面。点击“开始调试”,后台会加载仿真资源。等待加载完成后,你可以观察机器人执行任务的过程,可以等待任务自动完成,也可以手动结束调试。所有的执行记录都可以在页面中查看。
116+
117+
![img](https://alidocs.dingtalk.com/core/api/resources/img/5eecdaf48460cde5c492f13b307c016f051c54cb793210e675b8339e1c4c24831b75b38faadcd24bec177c308ebd530401afda0bbc5f58a3973c4a7b45ed86f150e086ac3292dc499d33ab0fb270001dbbbfcc4157b522d74fb4c8ed7016461c?tmpCode=ef6c7a8d-ae74-42c1-bc2b-761f49614155)
118+
119+
![img](https://alidocs.dingtalk.com/core/api/resources/img/5eecdaf48460cde5c492f13b307c016f051c54cb793210e675b8339e1c4c24831b75b38faadcd24bec177c308ebd530493e5e3dbcddd1439a7438d316fb7b593a652378c6a7748c694e5577042c3190db62be20acfa7dbc04fb4c8ed7016461c?tmpCode=ef6c7a8d-ae74-42c1-bc2b-761f49614155)
120+
121+
122+
123+
**6.这一节你应该真正看懂什么?**
124+
125+
今天,你学会了如何**从零到一完成一次具身智能的开发闭环**。请记住:机器人技能并不是“模型突然就会了”,而是经过**数据采集 → 模型微调 → 部署 → 调试**这一整条链路逐步形成的。使用真实硬件本体的开发链路与仿真是完全同理的。
126+
127+
当你将训练好的模型部署后,可能会发现机械臂的执行效果并不理想。这往往与前期数据输入的质量有关——最终模型的训练效果高度依赖输入数据。如果把这个场景放到真机环境中,影响因素就更加复杂,例如:数据采集的数量不足、采集时光照和阴影的变化、训练参数的设置不合理等等。你需要学会反思过程中哪里出现了问题,并有针对性地重新调整数据或参数。
128+
129+
130+
131+
132+
133+
**7.今日任务(打卡提交)**
134+
135+
请完成以下小任务,作为今天实操学习的成果证明:
136+
137+
**任务**:在乐云仿真平台上完成一次 **“数据采集 → 模型微调 → 仿真调试”** 的闭环体验。
138+
你可以选择以下两种路径之一(难度不同):
139+
140+
- **路径A(推荐初学者)**:使用仿真平台,完成一条数据采集即可,在仿真环境,尝试使用键盘控制机械臂完成一条数据采集。
141+
- **路径B(挑战性)**:使用仿真平台完成一个完整的数据集采集(例如“将香蕉放到碗里”),然后使用平台预置的预训练模型进行微调,完成一次微调任务并导出模型,最后在仿真环境中调试该模型,验证其是否能够实现预期功能。
142+
143+
提交内容:
144+
145+
- 一张截图:可以是一次数据采集成功的界面、训练任务成功完成的界面、导出模型的界面,或者仿真调试成功的执行画面。
146+
- 一段 150-200 字的文字说明:用你自己的话描述今天走通的链路,至少包含以下三个要点:
147+
- 你做了哪几个关键步骤(例如:采集数据 → 微调 → 部署 → 调试)
148+
- 遇到的一个小问题(如果有)以及如何解决
149+
- 你认为仿真平台在具身智能开发中最重要的作用是什么
150+
151+
提交方式:请将截图和文字说明放在一个文档中(或直接在社区打卡),标题格式为“Task04 打卡 - 你的姓名/昵称”。
754 KB
Loading
836 KB
Loading

0 commit comments

Comments
 (0)