更改默认参数

roboimi/vla/agent.py

@@ -25,8 +25,8 @@ class VLAAgent(nn.Module):
         inference_steps=10,   # DDIM 推理步数
         num_cams=3,          # 视觉输入的摄像头数量
         dataset_stats=None,   # 数据集统计信息，用于归一化
-        normalization_type='gaussian',  # 归一化类型: 'gaussian' 或 'min_max'
-        num_action_steps=1,   # 每次推理实际执行多少步动作
+        normalization_type='min_max',  # 归一化类型: 'gaussian' 或 'min_max'
+        num_action_steps=8,   # 每次推理实际执行多少步动作
     ):
         super().__init__()
         # 保存参数

roboimi/vla/conf/config.yaml

@@ -9,19 +9,19 @@ defaults:
 # ====================
 train:
   # 基础训练参数
-  batch_size: 8       # 批次大小
+  batch_size: 32       # 批次大小
   lr: 1e-4            # 学习率
   max_steps: 100000    # 最大训练步数
   device: "cuda"      # 设备: "cuda" 或 "cpu"
 
   # 数据加载
-  num_workers: 8      # DataLoader 工作进程数（调试时设为 0，生产环境用 8）
+  num_workers: 40      # DataLoader 工作进程数（调试时设为 0，生产环境用 8）
   val_split: 0.1      # 验证集比例
   seed: 42            # 随机种子（用于数据划分）
 
   # 日志和检查点
   log_freq: 100       # 日志记录频率（步数）
-  save_freq: 5000     # 保存检查点频率（步数）
+  save_freq: 2000     # 保存检查点频率（步数）
 
   # 学习率调度器（带预热）
   warmup_steps: 500   # 预热步数

roboimi/vla/models/normalization.py

@@ -21,7 +21,7 @@ class NormalizationModule(nn.Module):
     def __init__(
         self,
         stats: Optional[Dict] = None,
-        normalization_type: Literal['gaussian', 'min_max'] = 'gaussian'
+        normalization_type: Literal['gaussian', 'min_max'] = 'min_max'
     ):
         """
         Args: