コンテンツにスキップ

インストール

手元のマシンには小さな urdf2vla コマンドを入れます。重い処理は 2 つの Docker コンテナの中で動きます。1 つは Isaac Sim、Isaac Lab、Isaac Lab Arena(シミュレーション)、もう 1 つは GR00T N1.7(データ変換・学習・推論)です。

コマンドを実行する場所

このドキュメントのコマンドはすべて、手元のマシンの端末で、urdf2vla のフォルダで source .venv/bin/activate の後に実行します。コンテナの中に入る必要はありません。urdf2vla が適切なコンテナで処理を動かします。 Docker を直接使うのは、下の手順 2 と 3 の一度だけです。

必要なもの

OS Linux x86_64(Ubuntu 22.04 か 24.04)
GPU 16 GB 以上の NVIDIA の RTX GPU とドライバ 580 以降
Docker Docker と NVIDIA Container Toolkit
ディスク 空き 150 GB。このマシンで学習するなら 300 GB(checkpoint が 1 つ 24 GB)
Python Python 3.10 以降と uv
Hugging Face nvidia/Cosmos-Reason2-2B のライセンスに同意したアカウント。学習と評価で使います(手順 5)
学習 44 GB 以上の GPU(L40S, A100, H100, RTX 6000 Ada)。別のマシン(学習と評価)やクラウドの GPU でもかまいません

1. urdf2vla コマンドを入れる

git clone https://github.com/momoiorg-repository/urdf2vla.git
cd urdf2vla
uv venv .venv
uv pip install -e '.[view]'      # [view] はブラウザでロボットを見る画面の追加パッケージ
source .venv/bin/activate

2. コンテナを作る(初回だけ)

bash docker/build.sh

Isaac Lab Arena と Isaac-GR00T を固定のバージョンで external/ に取得し、2 つの image urdf2vla/isaaclab_arena:b9e37c5(38 GB)と urdf2vla/gr00t:23ace64(26 GB)を作ります。初回は大量にダウンロードします。 L40S ではそれぞれ 13 分と 4 分かかりました。bash docker/build.sh sim か gr00t で片方だけ作れます。--force で作り直します。

3. コンテナを起動する

bash docker/run.sh          # シミュレーション用: urdf2vla-sim
bash docker/run.sh gr00t    # GR00T 用: urdf2vla-gr00t

もう一度実行しても、コンテナが動いていることを確かめるだけです。--rm で削除します(ダウンロードしたものはキャッシュに残ります)。

4. マシンを検査する

urdf2vla doctor

doctor は GPU ドライバ、Docker と Docker から GPU が使えるか、image とコンテナ、ディスクの空き、NVIDIA のアセットサーバと Hugging Face を検査し、問題ごとに直すためのコマンドを示します。環境がおかしいと思ったら、いつでも実行してください。

5. Hugging Face(学習と評価で使う)

GR00T N1.7 は vision-language モデル nvidia/Cosmos-Reason2-2B を使い、そのライセンスへの同意が必要です。

  1. huggingface.co/nvidia/Cosmos-Reason2-2B でライセンスに同意します。
  2. huggingface.co/settings/tokens で読み取り権限の token を作ります。
  3. ログインします(token は ~/.cache/huggingface に保存され、コンテナと共有されます)。

    hf auth login
    

次へ