OpenVLA einrichten: Ein praktischer Leitfaden

# Installieren Sie OpenVLA und Abhängigkeiten
pip install openvla torch==2.2.0 torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
pip install transformers==4.40.0 datasets==2.18.0 ros2cli  # ROS 2 Humble für Robotik erforderlich

from huggingface_hub import snapshot_download

# Download in ~/.cache/huggingface/hub/openvla/openvla-7b
snapshot_download(
    repo_id="openvla/openvla-7b",
    local_dir="openvla-7b",
    local_dir_use_symlinks=False  # Vermeidet Symlink-Probleme auf bestimmten Dateisystemen
)

git clone https://github.com/openvla/openvla-demos.git
cd openvla-demos/isaac_sim

# Starten Sie Isaac Sim mit der OpenVLA-Demo
./launch_isaac_sim.sh

from openvla import OpenVLA
from openvla_demos.utils import capture_frame

# Initialisieren Sie das Modell (lädt aus dem Cache-Verzeichnis)
model = OpenVLA.from_pretrained("openvla-7b")

# Bild aus Isaac Sim erfassen
image = capture_frame("isaac_sim_camera")  # Annahme: ROS 2-Topic /isaac_sim_camera/image_raw

# Aktion generieren
prompt = "Heben Sie den roten Zylinder auf und platzieren Sie ihn auf dem grauen Tisch."
actions = model.generate(
    image=image,
    prompt=prompt,
    num_actions=20,  # Vorhersage für 20 Zeitschritte
    temperature=0.3  # Niedriger = deterministischer
)

print(f"Vorhergesagte Aktionen: {actions.shape}")  # Soll (20, 7) ausgeben

Vorhergesagte Aktionen: torch.Size([20, 7])

model = OpenVLA.from_pretrained("openvla-7b", torch_dtype=torch.float16)

# Aktionsform: (T, 7), wobei T der Horizont (z. B. 20) ist
actions = torch.tensor([
    [0.1, -0.2, 0.0, 0.3, -0.1, 0.0, 0.0],  # Zeitschritt 0
    [0.05, -0.1, 0.0, 0.2, -0.05, 0.0, 0.0]  # Zeitschritt 1
])

from openvla_ros import OpenVLAROSNode

node = OpenVLAROSNode(
    robot_name="franka_panda",
    action_topic="/franka_panda/joint_actions"
)
node.publish_actions(actions)  # Sendet an ROS 2

actions = actions * 0.5  # UR5 hat strengere Gelenkgrenzen als Franka

{
    "images": [np.array],  # (T, H, W, 3)
    "prompts": ["str"],    # Liste der Sprachbefehle
    "actions": [np.array], # (T, 7) Differenzen der Gelenkwinkel
    "success": [bool]      # Binäre Erfolgslabel
}

your_data/
├── images/
│   ├── task1/
│   │   ├── frame_001.png
│   │   └── ...
│   └── task2/
├── metadata.json  # JSON mit Befehlen, Aktionen und Erfolgslabel

from openvla import OpenVLA
from openvla.finetune import LoRATrainer

# Laden des Basismodells
model = OpenVLA.from_pretrained("openvla-7b")

# Initialisierung des LoRA-Trainers
trainer = LoRATrainer(
    model=model,
    dataset_path="your_data/metadata.json",
    output_dir="openvla-finetuned",
    per_device_train_batch_size=4,  # Reduzieren Sie bei OOM
    num_train_epochs=5,
    lr=1e-4,
    lora_r=8,  # Rang für LoRA
    lora_alpha=32
)

# Training
trainer.train()

from openvla import OpenVLA
import time

model = OpenVLA.from_pretrained(
    "openvla/openvla-7b",
    torch_dtype=torch.float8_e4m3fn  # INT4
)

start = time.time()
for _ in range(10):
    _ = model.generate(image=test_image, prompt="Heben Sie den Block auf.")
latency = (time.time() - start) / 10  # Durchschnitt pro Inferenz
print(f"Latenz: {latency:.3f}s")  # Ziel: <20 ms

Latenz: 0.018s  # 18 ms pro Inferenz

# Installieren Sie TensorRT
pip install nvidia-pyindex nvidia-tensorrt

# Quantisierung und Kompilierung
from openvla.tensorrt import compile_model

compiled_model = compile_model(
    model=model,
    max_batch_size=1,
    workspace_size=1 << 25  # 32 MB
)

sudo apt update && sudo apt install -y cuda-toolkit-12-1

from openvla_safety import SafetyWrapper

# Definition der Sicherheitsbeschränkungen
constraints = {
    "joint_limits": {
        "min": [-2.897, -1.767, -2.897, -3.054, -2.897, -0.017, -2.897],  # Franka Panda
        "max": [2.897, 1.767, 2.897, -0.069, 2.897, 3.740, 2.897]
    },
    "velocity_limit": 0.5,  # rad/s
    "collision_margin": 0.05  # m
}

# Modell einbinden
safe_model = SafetyWrapper(
    model=model,
    constraints=constraints,
    fallback_action="stop"  # Aktion bei Verletzung der Beschränkungen
)

# Test
actions = safe_model.generate(image, prompt)
print(f"Sichere Aktionen: {actions}")

Sichere Aktionen: torch.Size([20, 7])