训练与部署内置模型
本文介绍如何使用平台内置的 VLA 模型进行训练，并将训练完成的模型部署为推理服务。这是最简路径——无需创建开发机，无需自定义模型，直接使用内置模型完成训练和部署。
模型库
平台内置以下主流具身智能模型：
模型 | 说明 |
GR00T | NVIDIA 通用机器人基础模型，支持多模态理解和任务执行。 |
PI 0.5 | 具身智能策略模型，专为机器人控制和决策设计。 |
在左侧导航栏中，展开模型管理，单击模型库可浏览所有可用模型。
训练内置模型
在左侧导航栏中，单击模型训练。
单击开始训练。
在弹出的对话框中，确认模型来源为官方模型（默认选中）。
配置以下参数：
参数
是否必填
说明
数据集
必填
选择用于训练的数据集。需提前在数据集页面注册数据集。
基础模型类型
必填
从下拉列表中选择模型类型（
gr00t或pi0）。选择模型
必填
选定模型版本。
训练参数
必填
配置 batch size、最大训练步数、检查点保存间隔等训练参数。
单击确定，训练任务开始执行。
监控训练过程
训练任务提交后，可在模型训练列表中查看任务状态和进度：
列 | 说明 |
模型名称 | 训练产出模型的名称。 |
基础模型类型 | GR00T 或 PI 0.5。 |
数据集名称 | 训练使用的数据集。 |
Ray Dashboard | 单击链接可查看训练日志和资源使用情况。 |
状态 | 训练中、已完成或失败。 |
训练指标（Loss 曲线、学习率等）通过训练任务列表的更多 > 查看指标入口查看，需在提交训练时填写 TensorBoard 日志路径。
部署推理服务
训练完成的模型可一键部署为云端推理服务。
在左侧导航栏中，单击模型部署。
在模型列表中找到状态为空闲的已训练模型。
单击部署推理服务。
部署过程自动执行，无需额外配置。平台基于 Ray Serve 实现模型推理服务部署，可通过对应的 Ray Dashboard 查看部署日志、GPU 资源占用和服务运行状态。
部署完成后：
模型状态从"空闲"变为"已部署"。
推理服务 URL 列显示推理服务的访问地址。
无论部署的是 GR00T 还是 Pi0 模型，推理服务部署时均会占用 1 个 GPU 资源。
如需停止推理服务，单击停止推理服务，系统将停止当前推理服务并释放所占用的 GPU 资源。
页面顶部的统计卡片显示各状态的模型数量：已部署、部署中、空闲和其他。
端云协同推理
当推理服务处于已部署状态后，可通过平台将云端推理服务接入机器人运行流程，实现端云协同推理。对于已兼容 LeRobot 的机器人，可快速打通端云协同推理链路；对于其他控制协议或数据格式，可在 adb-robot-client SDK 基础上进行二次开发。
操作流程
进入机器人部署页面：在模型部署页面，单击已部署状态的模型，选择机器人部署。
添加机器人设备：单击添加设备，选择已注册到平台的在线机器人。系统会自动检测设备在线状态。
初始化设备：单击连接，平台向机器人发送推理服务连接信息和训练数据集的第一帧数据（用于初始化机器人状态）。初始化成功后推理状态变为就绪。
开始推理：单击开始推理，机器人持续向推理服务发送请求，开始端云协同推理。
停止推理：单击重置，停止推理流程并恢复初始状态。
端云协同推理需要在线设备。设备接入方法请参见管理设备与机器人接入。