训练一个能在真实现场干活的策略
从数据集到策略，再到现场试运行：训练、评估、安全门禁、部署、回流全部在一个任务上下文里完成。策略包绑定资产版本与数据集版本，任何变更都可追溯。
PPO / ACT / Diffusion PolicyA100 GPUSim2Real安全门禁回写验收平台
训练任务
4个
2 运行 · 1 暂停 · 1 完成
最佳成功率
92.4%
H20 · PPO · 2.0M steps
平均奖励
0.86
最近 100 episodes
已部署策略
3个
2 个现场试点 · 1 个回滚
Sim2Real Gap
31%
部署门槛 ≤ 35%
训练任务
训练中训练曲线
REWARD ↑ / LOSS ↓rewardlosssuccess rate
训练日志
实时日志[18:02:11] init PPO · H20 · DS-0117-V3.2 [18:02:18] env reset · 24 scenes · 50 Hz [18:02:35] rollout 2048 steps · reward 0.612 [18:12:04] step 480K · success 78.6% · sim2real 34.2% [18:32:18] step 960K · success 84.1% · sim2real 32.8% [18:52:40] step 1.36M · success 88.6% · sim2real 31.0%
评估结果
通过任务成功率88.6 %
碰撞次数0.8 /ep
平均周期42.6 s
Sim2Real Gap31.0 %
失败归因
部署安全门禁
4/5✓
任务成功率 ≥ 90%88.6% · 待补训
✓
碰撞次数 ≤ 1 / episode0.8 · 通过
✓
资产版本绑定PKG-2026-0117-V3 · 一致
✓
人工急停与安全区已配置 · 通过
!
Sim2Real Gap ≤ 35%31% · 通过（目标 20%）
策略版本
v2.4.0策略包orbit-h20-inspect-ppo-v2.4.0 · 186 MB
训练数据DS-0117-V3.2 · 3,240 episodes
资产来源PKG-2026-0117-V3 · 哈希 4f19aa30
部署范围云岭变 · H20-01 / H20-02
训练任务列表
4 JOBS| 任务 | 本体 / 算法 | 数据集 | 进度 | 奖励 | 成功率 | 状态 |
|---|