refactor：大重构

roboimi/vla/conf/config.yaml

@@ -1,19 +1,41 @@
 defaults:
   - agent: resnet_diffusion
-  - data: resnet_dataset
+  - data: simpe_robot_dataset
   - eval: eval
   - _self_
 
+# ====================
+# 训练配置
+# ====================
 train:
-  batch_size: 8       # Batch size for training
-  lr: 1e-4            # Learning rate
-  max_steps: 20000    # Maximum training steps
-  log_freq: 100       # Log frequency (steps)
-  save_freq: 2000     # Save checkpoint frequency (steps)
-  device: "cuda"      # Device: "cuda" or "cpu"
-  num_workers: 8      # DataLoader workers (set to 0 for debugging, 8 for production)
+  # 基础训练参数
+  batch_size: 8       # 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"
 
-  # Learning rate scheduler with warmup
-  warmup_steps: 500   # Number of warmup steps
-  scheduler_type: "cosine"  # Scheduler after warmup: "constant" or "cosine"
-  min_lr: 1e-6        # Minimum learning rate (for cosine decay)
+  # 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）
+  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）
+
+  # 学习率调度器（带预热）
+  warmup_steps: 500   # 预热步数
+  scheduler_type: "cosine"  # 预热后的调度器: "constant" 或 "cosine"
+  min_lr: 1e-6        # 最小学习率（用于余弦退火）
+
+  # 优化器
+  weight_decay: 1e-5  # 权重衰减（L2 正则化）
+  grad_clip: 1.0       # 梯度裁剪阈值
+
+# ====================
+# 实验配置
+# ====================
+experiment:
+  name: "vla_diffusion"  # 实验名称
+  notes: ""              # 实验备注
+  tags: []               # 实验标签