TRON 2 · 使用与开发
项目路线 · pi05 递糖果
先用公开权重部署第一个案例，再按需采集、处理数据并训练自己的模型。下面按开发阶段进入对应任务。
准备与适用条件
❗
电脑硬件配置及开发环境要求：
训练最低配置：
- Python 3.11+（推荐使用 uv 包管理器）
- GPU: 训练需要 NVIDIA GPU（推荐 A100/H100）
- 内存: 32GB+ 系统 RAM
- 存储: 100GB+ 可用磁盘空间 NVMe SSD 固态硬盘
- 操作系统：ubuntu22.04LTS及以上版本
- 网络: 能正常访问Github
部署最低配置：
- Python 3.11+（推荐使用 uv 包管理器）
- GPU：NVIDIA GPU至少 6GB 显存。推荐 GeForce RTX 3090 (12 GB) 或更高
- CPU：至少六核处理器，推荐Intel: Core i7-10700K/AMD:Ryzen55600X/或更高版本
- 内存：16GB以上
- 存储空间：至少 30GB 可用空间
- 操作系统：Ubuntu 20.04 LTS及以上版本
- 网络环境：能正常访问Github
物料采购链接：
1. 任务概述
本次开源了基于 Pi05 实现的糖果递送任务完整方案，其中开源了数据集、模型权重以及训练与推理源码。该任务通过识别人手「手心向上」的姿态触发糖果递送行为，旨在验证TRON2在目标感知和末端跟随场景下的基础抓取（pick）、放置（place）原子操作能力。开发者可参考本项目的标准化开发流程、将整套技术方案迁移至各类抓取放置机器人任务中，依托配套的数据采集平台和具身平台，独立完成自定义任务的全流程开发，快速搭建适配自身业务需求的具身智能机器人应用场景任务。
如下图所示，双臂操作项目的开发过程中的 4 个主要环节：数据采集 - 数据处理 - 模型训练 - 模型部署。
Pi0.5 是由 Physical Intelligence 开发的视觉-语言-动作（VLA）模型。如果你正打算使用具身数据平台导出的数据来微调这些模型，本指南将带你走通基于官方 OpenPI 框架的完整流程。并介绍如何使用预训练的 Pi0.5 模型在自定义数据集上进行高效微调。
8. 参考资料
- 代码仓库：tron2_openpi
- 使用说明：README_CN.md
- 安装指南：INSTALL_CN.md
本文第 6、7 章的安装、训练、部署命令均整理自以上仓库，遇到本文未覆盖的细节可前往仓库文档查阅。
继续阅读案例 · 场景与数据采集