大模型深拆 · 后训练 · 20 分钟
后训练:从基座到你的机器人
基座模型「会动」,你的机器人要「会干你的活」。差多少数据、微调什么、怎么不把原来会的冲掉——一张决策表讲清。
剥掉热词的本质
微调的成本由一个变量决定:你的任务和基座预训练分布差多远。换工作空间、换相机角度、换物体——几十条数据够了;换任务类型(抓放改装配)——几千条起步;换本体形态——那不是微调是重训。网上「200 条样本适配新机器人」的说法全部属于第一档,拿去套第三档是 2026 年最常见的翻车。
先对号入座:你的情况在哪一档
| 你改了什么 | 数据量级 | 训练方式 | 真实口径出处 |
|---|---|---|---|
四步流程
第一步:选基座。2026-11 的实际候选就四个:openpi(π0/π0.5,Apache-2.0,流匹配动作头)、LeRobot(Hugging Face 生态,含 ACT/Diffusion Policy/π0/SmolVLA 全家桶)、OpenVLA-OFT(离散+FAST,LM 工具链最顺)、GR00T N1.7(人形,注意许可——仓库模型卡与博客的商用条款说法不一致,用前自己核对 LICENSE 文件)。闭源 API(Gemini Robotics 2 已开内测、π 系列 API 候补中)是第二档任务以外的另一个选项,但你拿不到权重,别指望深度定制。 第二步:采数据。量按上表对号;质量比数量重要——20 条干净的比 100 条带踩踏的强(遥操作偏置、口径问题见 数据引擎)。第三步:微调。第一档 LoRA(rank 16–64,主要调动作头与最后几层)就够;第二档全参或加大 rank,动作头必须训。第四步:评测。用 评测真相 的口径设计,别只报一个总数成功率。语言指令:真需求还是装饰
微调时第一个要砍的迷信是「我的机器人必须听懂自然语言」。现状拆开看:指令跟随的真实价值在任务切换与纠错(「换左手拿」「放右边那个」),不在任务定义(产线任务用参数定义比语言稳)。如果你的数据里指令文本高度模板化,模型学到的其实是模板检索——上了没见过的措辞就失效。微调时保持指令措辞的多样性(同任务 3–5 种说法)比堆任务数更能保住泛化。微调三坑
<strong>灾难性遗忘</strong>:微调新任务把旧技能冲掉——微调阶段把预训练表征冲掉的机制和世界模型线是同一个数学病灶。缓解:混 10–25% 旧任务数据回放;实验验证见 <a href="/wm/exps/">世界模型实验包·实验B</a>(不加回放保留率 1.00→0.00,加了完全保住)。
<strong>仿真分高、真机崩</strong>:微调后先跑 SimplerEnv 之类仿真评测很方便,但仿真排名与真机交付没有可靠相关性(见 <a href="/brain/eval/">评测真相</a>),真机小样本评测不可省。
<strong>成功率口径作弊</strong>:只报简单子任务的成功率、不报中断与恢复,是模型卡最常见的操作。复现别人的数字前先看它怎么数的。
第一步今天就能做
单卡(24G 显存)起手:LeRobot 装 SmolVLA 或 openpi 装 π0,LoRA 微调一个公开数据集(AgiBot World 或 DROID 子集),全程不用自采数据。
跑通后再换成自己的 50 条遥操作数据,对比微调前后——这一次完整体验比读十篇精读有用。
命令级教程的纪律标准见 <a href="/tut/">手把手教程层</a>(Gazebo / RL 两篇已上线,VLA 微调教程按同一标准写)。