拓冰网站定制 
openpi 环境搭建30分钟指南Docker 3 步从裸机到跑通 VLA 示例【免费下载链接】openpi项目地址: https://gitcode.com/GitHub_Trending/op/openpiopenpi 是 Physical Intelligence 团队开源的机器人 VLA 模型仓库提供 π₀、π₀-FAST、π₀.₅ 三个基于 1 万小时机器人数据预训练的基础模型以及完整的训练、微调与推理流水线。这篇文章只解决一件事在 Ubuntu 22.04 机器上用 Docker 完成 openpi 环境搭建跑通一个可交互的示例全程约 30 分钟。成果前置跑通后你会看到什么环境搭好后docker ps里应该同时存在两个容器openpi_server策略推理服务和aloha_simMuJoCo 仿真桌面上弹出仿真窗口。如果手头没有真机器人可以用仓库自带的 simple client 做冒烟测试——它生成随机观测并打印模型推理速率export SERVER_ARGS--env ALOHA_SIM docker compose -f examples/simple_client/compose.yml up --build终端持续打印推理帧率就说明从容器、GPU 到模型推理整条链路已经通了 ✅环境体检开工前花 1 分钟对表任何一项不满足先补齐检查项要求操作系统Ubuntu 22.04官方仅在此版本上测试GPU 显存推理 ≥ 8 GBLoRA 微调 ≥ 22.5 GB全参微调 ≥ 70 GBDockerrootless 模式安装snap 版与 Docker Desktop 均与 NVIDIA 运行时冲突GPU 接入需 NVIDIA container toolkit否则容器内摸不到显卡操作主线拉取仓库并初始化子模块示例依赖third_party/下的子模块ALOHA、Libero 仿真环境clone 时必须带上递归参数git clone --recurse-submodules https://gitcode.com/GitHub_Trending/op/openpi已经 clone 过的仓库补一句git submodule update --init --recursive即可。一键安装 Docker 引擎仓库内置了 Ubuntu 22.04 专用的安装脚本GPG 密钥、软件源、docker 用户组、开机自启全部一次做完bash scripts/docker/install_docker_ubuntu22.sh脚本末尾会提示重启系统让 docker 组权限生效。重启后执行docker ps不报权限错误就算通过。一键安装 GPU 容器工具包NVIDIA 脚本同样放在仓库里装完会自动把 runtime 配置进 Docker 并重启服务bash scripts/docker/install_nvidia_container_toolkit.sh验证 runtime 是否就位docker info | grep -i nvidia有输出即为成功。构建基础推理服务镜像用 基础 compose 配置 构建openpi_server镜像这是后面所有示例共用的策略服务端docker compose -f scripts/docker/compose.yml up --build首次构建约 10–20 分钟之后全部走缓存。没有 GPU 的机器要把 compose 文件里的deploy.resourcesGPU 预留段注释掉再构建。挂载 aloha_sim 示例并启动每个示例自带 compose 配置以 aloha_sim 为例一条命令同时拉起服务和仿真export SERVER_ARGS--env ALOHA_SIM docker compose -f examples/aloha_sim/compose.yml up --build构建完成后 MuJoCo 仿真窗口打开、机器人开始执行策略动作本次环境搭建即可宣告完成 避坑速查现象快速修复docker 命令报 permission deniedsudo usermod -aG docker $USER注销重登容器内识别不到 GPUdocker info \| grep -i nvidia查 runtime确认没装 snap 版 docker 或 Docker Desktop首次构建卡住很久构建拉取依赖较慢属正常现象别 CtrlC后续运行走缓存推理时显存爆掉8 GB 以下显卡跑不动换 ≥ 8 GB 卡或走远程推理更完整的背景说明见 Docker 部署文档。项目地图openpi/ ├── docs/ # 部署文档docker、归一化统计、远程推理 ├── examples/ # 各平台示例aloha_real/aloha_sim/droid/libero/simple_client ├── packages/ # openpi-client 客户端库含 websocket 连接与图像工具 ├── scripts/ # Docker 安装与构建脚本、训练入口 train.py └── src/openpi/ # 核心源码models 模型定义、policies 策略封装、training 训练框架延伸路径环境跑通之后按这个顺序推进比较顺无机器人验证docker compose -f examples/simple_client/compose.yml up --build用推理速率确认 GPU 利用率正常。换示例跑把 compose 路径换成examples/libero/或examples/droid/其余命令不变。微调自己的数据先用 scripts/compute_norm_stats.py 算归一化统计再执行uv run scripts/train.py做 LoRA 微调参考 配置说明。【免费下载链接】openpi项目地址: https://gitcode.com/GitHub_Trending/op/openpi创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 openpi 环境搭建30分钟指南：Docker 3 步从裸机到跑通 VLA 示例
openpi 环境搭建30分钟指南Docker 3 步从裸机到跑通 VLA 示例【免费下载链接】openpi项目地址: https://gitcode.com/GitHub_Trending/op/openpiopenpi 是 Physical Intelligence 团队开源的机器人 VLA 模型仓库提供 π₀、π₀-FAST、π₀.₅ 三个基于 1 万小时机器人数据预训练的基础模型以及完整的训练、微调与推理流水线。这篇文章只解决一件事在 Ubuntu 22.04 机器上用 Docker 完成 openpi 环境搭建跑通一个可交互的示例全程约 30 分钟。成果前置跑通后你会看到什么环境搭好后docker ps里应该同时存在两个容器openpi_server策略推理服务和aloha_simMuJoCo 仿真桌面上弹出仿真窗口。如果手头没有真机器人可以用仓库自带的 simple client 做冒烟测试——它生成随机观测并打印模型推理速率export SERVER_ARGS--env ALOHA_SIM docker compose -f examples/simple_client/compose.yml up --build终端持续打印推理帧率就说明从容器、GPU 到模型推理整条链路已经通了 ✅环境体检开工前花 1 分钟对表任何一项不满足先补齐检查项要求操作系统Ubuntu 22.04官方仅在此版本上测试GPU 显存推理 ≥ 8 GBLoRA 微调 ≥ 22.5 GB全参微调 ≥ 70 GBDockerrootless 模式安装snap 版与 Docker Desktop 均与 NVIDIA 运行时冲突GPU 接入需 NVIDIA container toolkit否则容器内摸不到显卡操作主线拉取仓库并初始化子模块示例依赖third_party/下的子模块ALOHA、Libero 仿真环境clone 时必须带上递归参数git clone --recurse-submodules https://gitcode.com/GitHub_Trending/op/openpi已经 clone 过的仓库补一句git submodule update --init --recursive即可。一键安装 Docker 引擎仓库内置了 Ubuntu 22.04 专用的安装脚本GPG 密钥、软件源、docker 用户组、开机自启全部一次做完bash scripts/docker/install_docker_ubuntu22.sh脚本末尾会提示重启系统让 docker 组权限生效。重启后执行docker ps不报权限错误就算通过。一键安装 GPU 容器工具包NVIDIA 脚本同样放在仓库里装完会自动把 runtime 配置进 Docker 并重启服务bash scripts/docker/install_nvidia_container_toolkit.sh验证 runtime 是否就位docker info | grep -i nvidia有输出即为成功。构建基础推理服务镜像用 基础 compose 配置 构建openpi_server镜像这是后面所有示例共用的策略服务端docker compose -f scripts/docker/compose.yml up --build首次构建约 10–20 分钟之后全部走缓存。没有 GPU 的机器要把 compose 文件里的deploy.resourcesGPU 预留段注释掉再构建。挂载 aloha_sim 示例并启动每个示例自带 compose 配置以 aloha_sim 为例一条命令同时拉起服务和仿真export SERVER_ARGS--env ALOHA_SIM docker compose -f examples/aloha_sim/compose.yml up --build构建完成后 MuJoCo 仿真窗口打开、机器人开始执行策略动作本次环境搭建即可宣告完成 避坑速查现象快速修复docker 命令报 permission deniedsudo usermod -aG docker $USER注销重登容器内识别不到 GPUdocker info \| grep -i nvidia查 runtime确认没装 snap 版 docker 或 Docker Desktop首次构建卡住很久构建拉取依赖较慢属正常现象别 CtrlC后续运行走缓存推理时显存爆掉8 GB 以下显卡跑不动换 ≥ 8 GB 卡或走远程推理更完整的背景说明见 Docker 部署文档。项目地图openpi/ ├── docs/ # 部署文档docker、归一化统计、远程推理 ├── examples/ # 各平台示例aloha_real/aloha_sim/droid/libero/simple_client ├── packages/ # openpi-client 客户端库含 websocket 连接与图像工具 ├── scripts/ # Docker 安装与构建脚本、训练入口 train.py └── src/openpi/ # 核心源码models 模型定义、policies 策略封装、training 训练框架延伸路径环境跑通之后按这个顺序推进比较顺无机器人验证docker compose -f examples/simple_client/compose.yml up --build用推理速率确认 GPU 利用率正常。换示例跑把 compose 路径换成examples/libero/或examples/droid/其余命令不变。微调自己的数据先用 scripts/compute_norm_stats.py 算归一化统计再执行uv run scripts/train.py做 LoRA 微调参考 配置说明。【免费下载链接】openpi项目地址: https://gitcode.com/GitHub_Trending/op/openpi创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考