本机固定检查点的技术测评,完整图表、原片与复现包见主站:https://cherryquant.com/2026/11/21/rtx3060-act-local-review-20261121/。仿真与离线推理的范围分别列明。

模型介绍

ACT 把机器人模仿学习中的动作预测改成一段动作序列的预测,用视觉观测和关节状态作为条件。本次测试的公开检查点针对 ALOHA 双臂搬方块任务训练,并不是能直接控制任意机械臂的通用模型。这里使用 LeRobot 实现与 gym-aloha 仿真,没有连接实机机器人。
这篇记录关注的问题是:消费级显卡能否完整运行视觉双臂策略,动作缓存又会怎样影响看上去很漂亮的延迟数字? 这里先说明模型和输入输出,再交代同一台服务器的环境,最后展开实际结果。
检查点输入/输出
原始形状
observation.images.top
[3, 480, 640]
observation.state
[14]
action
[14]
实际加载后的参数精度分布:float32,51.6M参数。这里包含冻结参数,不能当作训练时的可更新参数量。

本地硬件与部署环境

项目
本机环境
GPU
NVIDIA RTX 3060,12GB 显存
CPU
Ryzen 9 5900X,12核24线程
内存
约48GB,系统显示约46GiB
系统 / 驱动
Ubuntu 24.04 / NVIDIA 580.178.04
PyTorch
2.13.0+cu130
推理环境使用 LeRobot 0.7.0、Transformers 5.22.2。权重、依赖和测试数据都直接在服务器下载,优先使用清华 PyPI 镜像、ModelScope 同校验值文件及国内 HF 访问入口。模型固定在 revision
ba73b2766f1371cdc133ca4efb97eb090d744625
;大文件按来源清单核对 SHA-256,小配置核对 Git blob 指纹。来源与镜像对应关系随日志保存。
必要文件的逻辑大小约 0.21 GB,不能把这个数字当成显存需求。模型可能同时占用系统内存和显存,重复组件也可能被复用。下载与GPU测试可以并行,但GPU上的各模型按顺序运行。
这次没有使用云端推理服务,也没有把官方演示当成本机输出。测试过程中保留加载错误、兼容性修复和失败样例;下文中的结果只对应列出的配置。
环境为
gym_aloha/AlohaTransferCube-v0
,50回合,环境种子10000至10049,最多 400 步。成功判定直接读取环境的
is_success
,成功或到时限即终止。策略权重严格匹配,旧检查点的归一化缓冲区按原定义应用;没有用随机初始化参数补齐模型。

测评结果

50回合中成功
39 回合,成功率 78%
。Wilson 95%区间约
64.8%–87.2%
。区间较宽,单轮结果不能支持几个百分点的稳定优劣结论。
完整网络刷新调用的中位数为
8.918 ms
,P95为
9.304 ms
;缓存动作取出的中位数为
0.332 ms
。计时边界是CUDA同步后的
select_action
,不包含相机采集、输入整理和实机通信。缓存很快,不等于视觉网络以同样频率重新计算。
PyTorch峰值显存分配为
0.26 GiB
,进程峰值RSS为
1.97 GiB
。PyTorch口径不含MuJoCo渲染器及桌面的显存。
时限核对记录。
首轮试跑沿用了gym-aloha默认的300步截断,得到32/50成功。随后核对检查点训练配置,发现其任务预算为400步,最终测试显式覆盖TimeLimit。首轮日志和原片仍保留。仅在Python循环中写400次,并不足以覆盖环境自身的300步终止条件。
回合 0:未完成,400 步
环境种子 10000,最高奖励 2。展示按回合编号连续选取的前六段轨迹,保留成功与失败,不只挑选好看的结果。
查看本回合原始仿真录像 https://cherryquant.com/wp-content/uploads/2026/11/rtx3060-act-local-review-20261121-episode00.mp4
回合 1:未完成,400 步
环境种子 10001,最高奖励 1。展示按回合编号连续选取的前六段轨迹,保留成功与失败,不只挑选好看的结果。
回合 2:成功,273 步
环境种子 10002,最高奖励 4。展示按回合编号连续选取的前六段轨迹,保留成功与失败,不只挑选好看的结果。
查看本回合原始仿真录像 https://cherryquant.com/wp-content/uploads/2026/11/rtx3060-act-local-review-20261121-episode02.mp4
回合 3:未完成,400 步
环境种子 10003,最高奖励 2。展示按回合编号连续选取的前六段轨迹,保留成功与失败,不只挑选好看的结果。
回合 4:成功,258 步
环境种子 10004,最高奖励 4。展示按回合编号连续选取的前六段轨迹,保留成功与失败,不只挑选好看的结果。
回合 5:未完成,400 步
环境种子 10005,最高奖励 2。展示按回合编号连续选取的前六段轨迹,保留成功与失败,不只挑选好看的结果。
从画面与日志里看到的细节
这一版最容易误读的数字是延迟。168次真正刷新网络的调用,中位数约8.92毫秒;其余15,204次从动作队列取出缓存,中位数约0.332毫秒。把两类调用混在一起,很容易得到一个漂亮但不代表视觉网络速度的中位数。相机采集、输入整理和实机通信也不在这个计时边界内。
动作段长度是100步,意味着网络预测一段目标动作后,后续调用会复用这一段。网络能较快算出动作,与控制回路多久使用一次新观测是两个概念。正文保留两种分布,不把缓存速度写成机器人视觉刷新率。
同一轮400步测试的实际轨迹中,300步以内完成的是32回合,给到400步后共完成39回合。有7回合是在额外预算内才完成的,检查点权重没有因此变强。首次调试还遇到了gym-aloha默认300步TimeLimit;最终配置显式覆盖,避免Python循环写400次、环境却提前截断。
前六条连续编号示例只有两条成功,而全部50回合成功39条。这恰好说明,少量录像不能代替总体记录。第0、1回合到400步仍未完成;第2、4回合由环境判定成功。画面中能看到接近、接触和两臂移动,但不能仅凭“机械臂动起来了”判断交接完成,成功仍按环境的is_success读取。
本机的显存压力很低:约51.6M个FP32参数,PyTorch分配峰值约266MiB。不过这是一份针对14维双臂任务训练的策略,不是接上任意机械臂就能工作的通用控制器。仿真不施加墙钟实时期限,这轮成功率也不构成实机相机误差、接触力和通信延迟的测试。
这次结果能支持什么
这项结果只对应这个已训练检查点和匹配的仿真任务。没有在实机上测试接触力、通信时延、安全停止或相机偏移,不能据此宣布可以直接接管任意机器人。ACT的双臂任务也不能与PushT的成功率混成一个总排名。
严格加载网络权重,沿用检查点归一化参数;将真实网络刷新与缓存动作取出分别计时。成功判定来自仿真环境,而不是主观挑选截图。

复现与来源

下载测试脚本、固定版本清单与原始结果(ZIP) https://cherryquant.com/wp-content/uploads/2026/11/rtx3060-act-local-review-20261121-rtx3060-act-local-review-20261121-reproduction.zip
包内不含模型权重或账号信息;路径脱敏说明、环境快照与重跑步骤见README。
本次使用服务器上的固定检查点与隔离环境。查看状态和重跑的入口如下;具体采样参数、原始种子及计时边界已在上文列出。
python scripts/status.py
./envs/robotics/bin/python scripts/benchmark_robotics.py act
项目/文档来源 1 https://huggingface.co/lerobot/act_aloha_sim_transfer_cube_human
项目/文档来源 2 https://tonyzhaozh.github.io/aloha/
项目/文档来源 3 https://arxiv.org/abs/2304.13705
本文根据本机测试日志撰写,使用AI辅助整理与制图。官方模型页、示意图、真实数据观测和本机生成结果分别标注。

将入围名单转化为决定

写下任务、操作条件、成功标准和总拥有成本。请入围供应商展示您的代表性任务,包括故障恢复。对每个候选人使用相同的验收测试。

探索完整的机器人目录 →