策略推理

1. 策略推理 (Inference)

使用训练好的策略模型进行推理并自动录制结果：

/isaac-sim/python.sh src/lerobot/scripts/lerobot_record.py \
    --robot.type=walker_s2_sim \
    --robot.headless=false \
    --task=Part_Sorting \
    --policy.path=your_checkpoint_dir \
    --dataset.repo_id=your_org/eval_Part_Sorting \
    --dataset.single_task="Part Sorting" \
    --dataset.num_episodes=2 \
    --dataset.push_to_hub=false \
    --dataset.episode_time_s=100000000 \
    --dataset.num_image_writer_processes=4 \
    --dataset.root=${workspaceFolder}/datasets/Part_Sorting/your_policy_type \
    --dataset.video=true \
    --play_sounds=false

参数	说明	默认值 / 备注
`--robot.type`	机器人类型	`walker_s2_sim`
`--robot.headless`	是否无头模式	`false`
`--task`	任务名称（Part_Sorting, Conveyor_Sorting, Foam_Inlaying, Packing_Box）	`Foam_Inlaying`
`--policy.path`	策略模型检查点路径（本地或 HuggingFace）	必填
`--dataset.repo_id`	数据集标识符，推理模式应为 `xx/eval_xx` 格式	必填
`--dataset.single_task`	任务描述	必填（或由 task 自动设置）
`--dataset.num_episodes`	推理回合数	`50`
`--dataset.root`	推理结果保存路径	必填
`--dataset.video`	是否录制视频	`true`
`--dataset.fps`	帧率	`30`
`--dataset.episode_time_s`	每回合时长（秒）	`60`
`--dataset.push_to_hub`	是否上传到 Hugging Face	`false`
`--play_sounds`	是否播放语音提示	`true`

注意:

策略推理使用 lerobot_record.py 脚本，通过 --policy.path 参数指定策略模型路径。脚本会自动加载模型并在仿真环境中执行推理，同时录制结果数据。
推理模式下，--dataset.repo_id 参数应使用 xx/eval_xx 格式（如 your_org/eval_Part_Sorting），以区别于数据采集模式下的正式数据集命名。
${workspaceFolder} 应替换为实际的工作目录路径。

1. 策略推理 (Inference)​

1. 策略推理 (Inference)