2026-09-08 21:34:57 +08:00
2026-09-08 21:34:57 +08:00
2026-09-08 21:34:57 +08:00
2026-09-08 21:34:57 +08:00
2026-09-08 21:34:57 +08:00
2026-09-08 21:34:57 +08:00
2026-09-08 21:34:57 +08:00
2026-09-08 21:34:57 +08:00
2026-09-08 21:34:57 +08:00
2026-09-08 21:34:57 +08:00
2026-09-08 21:34:57 +08:00
2026-09-08 21:34:57 +08:00
2026-09-08 21:34:57 +08:00
2026-09-08 21:34:57 +08:00

RoboTwin 数据生成及验证镜像

本工程产出两个独立镜像, 覆盖具身智能数据管线中 RoboTwin 仿真侧的三个环节:

功能 所属镜像 入口 职责
hdf5 数据生成 数据生成镜像 (大, 含 RoboTwin 资产) sh /app/entry/data_generation.sh 在 RoboTwin 仿真中采集专家演示, 产出 XPolicyLab 格式 hdf5 数据集与采集视频
hdf5 转 LeRobot v3 转换镜像 (小, 纯 CPU) sh /app/entry/data2lerobot.sh 将 hdf5 数据集转换为 LeRobot Dataset v3.0 格式 (可直接用于 VLA 训练)
仿真评测 数据生成镜像 (大, 含 RoboTwin 资产) sh /app/entry/eval_client.sh 作为客户端连接外部策略服务, 在 RoboTwin 仿真中评测成功率并产出回灌视频

三个功能相互独立, 单独调用, 互不依赖。数据生成与评测共用 RoboTwin 资产与仿真环境, 同置一个镜像; 转换为纯 CPU 功能且不依赖仿真资产, 独立成小镜像 (约 4GB, 压缩后约 1.5GB), 平台调度与拉取成本显著低于大镜像 (105GB)。评测入口只含客户端, 不内置任何模型, 被测策略服务由使用方以可达地址提供。

镜像地址 (CCR):

数据生成+评测: ccr-29eug8s3-pub.cnc.bj.baidubce.com/public/robotwin2_data_debug:v20260924_171519
hdf5 转 LeRobot: ccr-29eug8s3-pub.cnc.bj.baidubce.com/public/robotwin2_convert:v20260907_151954

运行前提

硬件与驱动

  • 数据生成与评测需要 1 块 NVIDIA GPU: curobo 运动规划跑在 CUDA 上, 渲染走 NVIDIA Vulkan。 GPU 算力覆盖 (构建期预编译): 7.5 (T4/2080Ti), 8.0 (A100/A800), 8.6 (3090/A6000), 8.9 (4090), 9.0 (H100), 12.0 (5090/5090D)。
  • 驱动需支持 CUDA 12.8 及以上 (NVIDIA 驱动 570 系列起)。
  • 格式转换不需要 GPU, 纯 CPU 容器即可运行。

docker run 通用骨架

所有功能共用以下约定:

  • 以非 root 运行: -u 10001:10001。宿主侧挂载给容器写的目录需对该 uid 可写 (独立 docker 场景 chmod 777, 平台场景由平台管理)。
  • 平台协议变量三件套必填: OUTPUT_DIR (产物根目录), RESULT_OUTPUT_PATH (结果清单写出路径), STAGE_MANIFEST_PATH (阶段标记写出路径)。
  • 一切需保留的产物写入 OUTPUT_DIR; 运行结束 stdout 末行打印 DROBOTICFLOW_RESULT_PATH=<值>, 同时产出 $OUTPUT_DIR/.artifacts.json (产物清单) 与逐条进度标记 DROBOTICFLOW_PROGRESS JSON 行。
  • 运行时离线: 不下载任何依赖与素材 (全部构建期打入), 无 HF 在线动作。评测客户端连策略服务的出站连接是功能本体, 不受此限。
  • 幂等: 每个入口启动时只清空本功能自身产物, 重跑不残留旧文件。

GPU 入口 (数据生成与评测) 需追加渲染三件套:

docker run --rm -u 10001:10001 --gpus '"device=0"' \
  -e NVIDIA_DRIVER_CAPABILITIES=graphics,compute,utility \
  -e VK_ICD_FILENAMES=/usr/share/vulkan/icd.d/nvidia_icd.json \
  -v /etc/vulkan/icd.d/nvidia_icd.json:/usr/share/vulkan/icd.d/nvidia_icd.json:ro \
  ... <镜像> sh /app/entry/<入口>.sh

说明: NVIDIA 容器工具链默认不注入宿主的 Vulkan ICD, 且宿主 ICD 路径因发行版而异 (如 Ubuntu 常见 /etc/vulkan/icd.d/nvidia_icd.json 或 /usr/share/vulkan/icd.d/nvidia_icd.json), 按宿主实际路径挂载。渲染走 NVIDIA GPU Vulkan, 与 CUDA 互操作; 纯软件 Vulkan (llvmpipe) 与 CUDA 互斥, 本镜像不支持。运行中出现的 OIDN "invalid handle" 日志为无害噪声, 可忽略。

功能一: hdf5 数据生成

在 RoboTwin 仿真中运行专家策略采集演示数据。支持逗号分隔多任务顺序执行, 每任务产物独立成目录。

示例命令

mkdir -p ./out && chmod 777 ./out
docker run --rm -u 10001:10001 --gpus '"device=0"' \
  -e NVIDIA_DRIVER_CAPABILITIES=graphics,compute,utility \
  -e VK_ICD_FILENAMES=/usr/share/vulkan/icd.d/nvidia_icd.json \
  -v /etc/vulkan/icd.d/nvidia_icd.json:/usr/share/vulkan/icd.d/nvidia_icd.json:ro \
  -e OUTPUT_DIR=/out -e RESULT_OUTPUT_PATH=/out/result.json \
  -e STAGE_MANIFEST_PATH=/out/stage.json \
  -e TASK_NAME=beat_block_hammer -e EPISODE_NUM=1 \
  -v "$PWD/out:/out" \
  ccr-29eug8s3-pub.cnc.bj.baidubce.com/public/robotwin2_data_debug:v20260924_171519 \
  sh /app/entry/data_generation.sh

输入超参

任务与预设:

超参 类型 默认 说明
TASK_NAME string 必填 RoboTwin 任务名, 逗号分隔多任务, 逐任务顺序执行
TASK_CONFIG string demo_clean 预设名: demo_clean / demo_randomized / demo_clean_4cam / demo_randomized_4cam
EMBODIMENT string(json) 不注入时用本体默认 本体, 注入时必须为 JSON 数组: ["aloha-agilex"] 单本体, 或 ["本体a","本体b",间距] 双臂异构; 非法 JSON 非 0 退出
OUTPUT_ROOT string 空 hdf5 数据树根; 空值用 OUTPUT_DIR, 相对路径相对 OUTPUT_DIR 解析。每任务写 OUTPUT_ROOT/task_name/ 子目录
VIDEO_OUTPUT_ROOT string 空 独立运行留空 (视频留在任务目录, 官方布局)。非空时收尾把各任务 videos/ 移到 VIDEO_OUTPUT_ROOT/task_name/videos/, 两个产物端口目录互斥; 相对路径相对 OUTPUT_DIR 解析。平台场景注入相对子目录名实现端口分树

采集量与种子:

超参 类型 默认 说明
EPISODE_NUM number 50 每任务采集 episode 数; 每个 episode 循环重试种子直至成功, 必然采满
SEED number 0 起始种子
USE_SEED bool false true 时只回放已保存种子
COLLECT_DATA bool true false 时只采种子不落数据

相机 (覆盖键, 空值跟随预设):

超参 类型 默认 说明
HEAD_CAMERA_TYPE string 空 相机类型, 见相机类型表
WRIST_CAMERA_TYPE string 空 同上
FRONT_CAMERA_TYPE string 空 胸部相机类型; 空值沿用本体配置 D435
COLLECT_HEAD_CAMERA bool 空 头部相机采集开关; 关闭时 hdf5 与评测 obs 均无该相机
COLLECT_WRIST_CAMERA bool 空 双腕相机采集开关
SAVE_DEPTH bool 空 开启时各相机组附带 depths 数组, 评测 obs 携带 depth

域随机化 (覆盖键, 空值跟随预设):

超参 类型 默认 说明
RANDOM_BACKGROUND bool 空 随机背景
CLEAN_BACKGROUND_RATE number 空 随机背景开启时保留干净背景的比例
CLUTTERED_TABLE bool 空 桌面杂物
RANDOM_LIGHT bool 空 随机光照
CRAZY_RANDOM_LIGHT_RATE number 空 疯狂灯光比例
RANDOM_TABLE_HEIGHT number 空 桌高扰动, 米
RANDOM_HEAD_CAMERA_DIS number 空 头部相机距离扰动

语言与杂项 (覆盖键, 空值跟随预设):

超参 类型 默认 说明
LANGUAGE_NUM number 空 每任务随机化指令条数, 预设 100
SAVE_FREQ number 空 数据保存频率 Hz, 预设 15
CLEAR_CACHE_FREQ number 空 每 N episode 清渲染缓存, 预设 5

hdf5 数据格式

每个 episode 一个文件 episode_%07d.hdf5。T 为总帧数, state 取前 T-1 帧, action 取后 T-1 帧。默认预设下四路相机均为 320x240。

/                                 attrs: source_format="RoboTwin"
├── data_format_version           字符串 "v1.0"
├── instructions                  JSON 字符串数组, 随机化 language prompts
├── task_description              字符串, 简单任务描述 (与随机化 prompts 并存)
├── additional_info/
│   └── frequency                 int32
├── state/
│   ├── left_arm_joint_states     (T-1, 6) float32
│   ├── left_ee_joint_states      (T-1, 1)
│   ├── right_arm_joint_states    (T-1, 6)
│   └── right_ee_joint_states     (T-1, 1)
├── action/                       与 state 同构, 逐帧时间上移一位
└── vision/
    ├── cam_head/                 colors (T-1,H,W,3) uint8 JPEG 编码存储; depths 可选 (SAVE_DEPTH)
    ├── cam_third_view/           结构同 cam_head, 来自 front_camera
    ├── cam_left_wrist/           结构同 cam_head
    └── cam_right_wrist/          结构同 cam_head

COLLECT_HEAD_CAMERA 或 COLLECT_WRIST_CAMERA 关闭时对应相机组缺席。

产物与端口

$OUTPUT_ROOT/
└── <task_name>/
    ├── data/episode_0000000.hdf5 ...
    ├── videos/episode_0000000.mp4 ...
    └── meta.json                     本任务 episode 数, 种子, 本体, 相机类型等采集摘要

OUTPUT_ROOT 指向 OUTPUT_DIR 之外时产物清单如实记录实际路径, 由使用方保证该目录可达。

portId 类型 内容
dataset_hdf5 file (directory) hdf5 数据集大目录 (含任务子目录)
dataset_video video (directory) 采集过程视频大目录 (含任务子目录)

功能二: hdf5 转 LeRobot Dataset v3.0

将功能一产物 (或同构的自有 hdf5) 转换为 LeRobot Dataset v3.0 格式。转换哪些相机与字段完全由 KEY_MAP 白名单驱动。本功能使用独立的转换镜像 (robotwin2_convert), 纯 CPU 运行, 无 GPU 与图形栈要求。

示例命令

mkdir -p ./out2 && chmod 777 ./out2
docker run --rm -u 10001:10001 \
  -e OUTPUT_DIR=/out2 -e RESULT_OUTPUT_PATH=/out2/result.json \
  -e STAGE_MANIFEST_PATH=/out2/stage.json \
  -e DATASET_PATH=/data/hdf5 \
  -v "$PWD/out2:/out2" -v "/path/to/hdf5:/data/hdf5:ro" \
  ccr-29eug8s3-pub.cnc.bj.baidubce.com/public/robotwin2_convert:v20260907_151954 \
  sh /app/entry/data2lerobot.sh

输入超参

超参 类型 默认 说明
DATASET_PATH string 二选一 挂载进容器的数据集目录; 与上游端口至少提供一个, 同时提供时上游优先
KEY_MAP string(json) 内置四相机映射 hdf5 键到 LeRobot 键的白名单映射, 语义见下
REPO_ID string robotwin_convert 输出数据集名
SEED number 0 钉死每 episode 随机选指令的选择, 重跑可复现
USE_VIDEOS bool true false 则图像进 parquet 不编码视频
VIDEO_BACKEND string libx264 视频编码器后端; CPU 软件编码
VIDEO_CODEC string h264 视频编码格式; h264 为通用可解码格式
VIDEO_CRF number 18 编码质量参数
IMAGE_WRITER_PROCESSES number 8 图像写进程数, 0 关多进程
IMAGE_WRITER_THREADS number 2 每写进程线程数
DATA_TYPE string RoboTwin XPolicyLab 数据加载器标识
DATA_VERSION string v1.0 数据格式版本标识

KEY_MAP 白名单语义

KEY_MAP 为 JSON 对象, 键为 hdf5 内的源键, 值为 LeRobot 数据集的目标键。内置默认:

{
  "vision/cam_head/colors": "observation.images.cam_high",
  "vision/cam_third_view/colors": "observation.images.cam_third_view",
  "vision/cam_left_wrist/colors": "observation.images.cam_left_wrist",
  "vision/cam_right_wrist/colors": "observation.images.cam_right_wrist",
  "state/concat": "observation.state",
  "action/concat": "action",
  "instructions": "prompt"
}

规则:

  1. 只转换 KEY_MAP 中列出的键, 未列出的丢弃; 指定几组相机则转换几组。要三相机行为, 删除 cam_third_view 一行即可。
  2. 图像源键的值可为字符串或字符串列表: 列表表示一对多, 同一路图像展开写入多个目标相机槽。
  3. state 与 action 支持 concat 伪键, 表示四个关节字段按左臂, 左爪, 右臂, 右爪顺序拼为 14 维。
  4. 图像不缩放, 分辨率自动探测自源数据首帧, 逐相机独立。
  5. KEY_MAP 非法 JSON, 或映射含有不存在的源键时非 0 退出并列出缺失键。

输入目录形态

两种形态自动识别:

  • 单任务布局: 目录下直接含 data/episode_*.hdf5。
  • 多任务布局: 目录下含若干任务子目录 (每个子目录自带 data/), 即功能一产物 OUTPUT_ROOT 原样接入; 全量展开所有任务合并转换。

支持上游端口输入 (读 INPUT_ARTIFACTS_PATH 清单取 portId 为 dataset 的条目) 与 DATASET_PATH 二选一, 上游优先; 两者都没有非 0 退出。上游条目为 bos:// 引用时 (平台外部化模式), 若平台已注入 BOS_ENDPOINT / BOS_ACCESS_KEY_ID / BOS_SECRET_ACCESS_KEY 凭证, 自动按目录 manifest 物化到本地临时目录后转换; 无凭证或 SDK 缺失时非 0 退出并提示改用挂载目录。

产物与端口

$OUTPUT_DIR/$REPO_ID/
├── data/*.parquet
├── videos/**/*.mp4
├── meta/info.json, tasks.parquet, episodes.jsonl, episodes/*.jsonl
└── stats.json (如有)
portId 类型 内容
dataset_lerobot file (directory) LeRobot v3 数据集目录

功能三: 仿真评测

作为评测客户端连接外部策略服务, 在 RoboTwin 仿真中逐任务执行策略回灌, 产出成功率汇总与回灌视频。

通信协议为 XPolicyLab websocket 协议 (PROTOCOL=ws), 兼容 legacy_tcp。服务端需实现 ModelTemplate 语义 (reset / update_obs / get_action 等方法), 策略服务侧自行挑选所需相机键。观测在每次请求动作块前发送一次 (vision 相机集合与分辨率由同源配置决定, 与采集侧 hdf5 的 vision 组一一对应, 加关节状态加指令); 动作块内逐动作执行, 不重复发送观测。全程单进程。

示例命令

mkdir -p ./out3 && chmod 777 ./out3
docker run --rm -u 10001:10001 --gpus '"device=0"' \
  -e NVIDIA_DRIVER_CAPABILITIES=graphics,compute,utility \
  -e VK_ICD_FILENAMES=/usr/share/vulkan/icd.d/nvidia_icd.json \
  -v /etc/vulkan/icd.d/nvidia_icd.json:/usr/share/vulkan/icd.d/nvidia_icd.json:ro \
  -e OUTPUT_DIR=/out3 -e RESULT_OUTPUT_PATH=/out3/result.json \
  -e STAGE_MANIFEST_PATH=/out3/stage.json \
  -e POLICY_SERVER_IP=1.2.3.4 -e POLICY_SERVER_PORT=28888 \
  -e TASK_NAME=beat_block_hammer -e TEST_NUM=1 \
  -v "$PWD/out3:/out3" \
  ccr-29eug8s3-pub.cnc.bj.baidubce.com/public/robotwin2_data_debug:v20260924_171519 \
  sh /app/entry/eval_client.sh

输入超参

连接与标识:

超参 类型 默认 说明
POLICY_SERVER_IP string 必填 被测策略服务地址, 须容器可出站路由
POLICY_SERVER_PORT number 必填 被测策略服务端口
PROTOCOL string ws ws 或 legacy_tcp
POLICY_NAME string custom_policy 结果目录命名用
CKPT_SETTING string default 结果目录命名用
TASK_NAME string 必填 任务名, 逗号分隔多任务

任务与预设 (与功能一同源同语义):

超参 类型 默认 说明
TASK_CONFIG string demo_clean 预设名, 与功能一同一套
EMBODIMENT string aloha-agilex 本体
INSTRUCTION_TYPE string 空 seen 或 unseen; 空值取预设的 eval_instruction
ACTION_TYPE string joint joint 或 ee
STEP_LIMIT number 空 每任务最大步数绝对值; 空值用官方每任务限制值

评测量与执行:

超参 类型 默认 说明
TEST_NUM number 5 每任务评测 episode 数
SEED number 0 评测种子
EXPERT_CHECK bool true 专家预演不过的种子直接跳过
FREQUENCY number 30 观测上报的控制频率
MAX_SEED_ATTEMPTS number 自动 空 = test_num 乘 50
SAVE_VIDEO bool true 回灌视频与评测中间产物开关
ACTION_STRIDE number 0 每 chunk 只执行前 N 个动作后重新请求动作块; 0 = 整块执行

相机与域随机化覆盖键与功能一完全相同 (HEAD_CAMERA_TYPE, WRIST_CAMERA_TYPE, FRONT_CAMERA_TYPE, COLLECT_HEAD_CAMERA, COLLECT_WRIST_CAMERA, SAVE_DEPTH, RANDOM_BACKGROUND, CLEAN_BACKGROUND_RATE, CLUTTERED_TABLE, RANDOM_LIGHT, CRAZY_RANDOM_LIGHT_RATE, RANDOM_TABLE_HEIGHT, RANDOM_HEAD_CAMERA_DIS), 语义与默认行为一致。零配置时评测解析出的相机配置与采集相同: 评测 obs 的 vision 键与同配置采集的 hdf5 vision 组一一对应。

产物与端口

$OUTPUT_DIR/
├── eval_result/<task>/.../        逐任务结果 (_result.txt 等)
├── videos/<task>/episodeN.mp4     回灌视频 (SAVE_VIDEO=true)
└── eval_summary.json              成功率汇总: {"tasks": {"task": "4/5"}, "overall": 0.6, "config": {...}}
portId 类型 内容
eval_result file (directory) 评测输出目录 (含逐任务结果)
eval_report json 成功率汇总, 即 eval_summary.json 内容

评测流程: 启动时打印容器环境自检日志 (df/free/nvidia-smi, 容忍失败), 渲染自检失败非 0 退出; 连接策略服务失败重试后非 0 退出; 逐任务顺序运行并汇总。

相机体系与预设

相机映射表

仿真内部相机名到对外键名的映射全镜像唯一一份, 采集 hdf5 写入与评测 obs 构造共用:

仿真内部相机名 对外键名 (hdf5 vision 组名 = 评测 obs vision 键名)
head_camera cam_head
left_camera cam_left_wrist
right_camera cam_right_wrist
front_camera cam_third_view

相机类型表

官方四种加本镜像扩展两种, 分辨率由类型唯一决定:

类型 分辨率 来源
L515 320x180 官方
Large_L515 640x360 官方
D435 320x240 官方
Large_D435 640x480 官方
Large_D455 848x480 本镜像扩展
Large_D405 640x480 本镜像扩展

预设清单

预设 基线 相机配置
demo_clean 官方 头/胸/双腕四路全 D435 320x240, 干净场景
demo_randomized 官方 相机同上, 域随机化开启
demo_clean_4cam 本镜像 head 与 front 为 Large_D455 848x480, 双腕 Large_D405 640x480, 干净场景
demo_randomized_4cam 本镜像 相机同 demo_clean_4cam, 域随机化开启

零配置默认即官方 demo_clean, 行为与官方管线一致。四相机预设像素量显著上涨 (头部胸部为 D435 的 5.3 倍, 腕部 4 倍), hdf5 体积与渲染耗时明显增加, 对速度敏感时用默认预设。

配置体系

优先级: 环境变量覆盖 > 预设 yml > 内置默认。平台超参 value 一律以字符串注入, 镜像侧类型化解析校验 (bool/int/float/str/json), 非法值立即非 0 退出并报可读错误。数据生成与评测共用同一套覆盖实现, 保证两侧语义逐键一致。

超参键命名需避开平台受保护键与平台固定注入变量 (OUTPUT_DIR, RUN_ID, GPU_LIMIT 等); 键不得以数字开头。

算子注册要点

一镜像注册三算子, 每功能各一份请求体:

算子 containerCommand inputs outputs resources
数据生成 sh /app/entry/data_generation.sh 无 dataset_hdf5 (file, directory, ref), dataset_video (video, directory, ref) gpuLimit 1, memoryLimit 32Gi
格式转换 sh /app/entry/data2lerobot.sh dataset (file, directory, ref, 非必填) dataset_lerobot (file, directory, ref) memoryLimit 16Gi
仿真评测 sh /app/entry/eval_client.sh 无 eval_result (file, directory, ref), eval_report (json) gpuLimit 1, memoryLimit 32Gi

hyperparams 按各功能输入超参表全量注册, value 填默认值 (覆盖键填空串表示跟随预设), 平台以字符串注入同名环境变量。gpuLimit 填正整数; memoryLimit 用 K8s 格式 (如 32Gi)。连线上下游端口的 type, container, payloadMode 三者须一致, 例外是上游 file/ref/directory 可接下游 dataset。

出厂自检

镜像交付前可用 selfcheck.sh 一键验收 (在源码目录执行, 需 GPU):

./selfcheck.sh ccr-29eug8s3-pub.cnc.bj.baidubce.com/public/robotwin2_data_debug:v20260924_171519 [GPU_ID]

覆盖七大项: 双预设采集冒烟 (hdf5 结构与 meta) / v3 转换与 mp4 编码核对 / 三类错误路径非 0 退出 / 评测客户端与 mock ws 策略服务完整协议往返。全部 PASS 即镜像可用。

从源码构建

./build_docker.sh     # src-externals/ 缺失时自动跑 scripts/fetch_robotwin.sh 重建源仓, 然后 docker build 并推 CCR

依赖素材自包含: 上游源仓 RoboTwin-Platform/RoboTwin @30954692 + HF dataset TianxingChen/RoboTwin2.0 三只资产 zip (objects/embodiments/background_texture, 解压后约 16G), 由 scripts/fetch_robotwin.sh 幂等重建到 src-externals/ (含路径重写), 换机器克隆即可复建。XPolicyLab 子模块不随源仓拷贝: 镜像所需的协议客户端与 hdf5 图像解码工具以 vendor/XPolicyLab 最小子集随本仓库维护 (上游 @c37109c)。首次构建约 60-100 分钟 (torch 下载, curobo 六档算力编译); 依赖层不变时日常重建为分钟级。

源码目录:

RoboTwin2_Dev/
├── Dockerfile / build_docker.sh     构建编排 (幂等; 素材缺失时自动调 fetch 脚本)
├── scripts/fetch_robotwin.sh        源仓+资产幂等重建 (上游 @30954692 + HF 资产 zip)
├── entry/                           三个入口脚本
├── report.sh                        收尾协议脚本 (三入口共用)
├── presets/                         四相机预设与扩展相机类型表
├── vendor/XPolicyLab/               XPolicyLab 最小子集 (ws/tcp 协议客户端与 hdf5 解码, 上游 @c37109c)
├── ws_common/                       自研共享层 (相机映射 / 配置覆盖 / 输入定位 / 收尾工具)
├── ws_data_generation/              功能一业务代码 (RoboTwin 官方脚本拷贝改造件)
├── ws_data2lerobot/                 功能二业务代码 (XPolicyLab 官方脚本拷贝改造件)
├── ws_eval_client/                  功能三业务代码 (RoboTwin 官方脚本拷贝改造件)
├── patches/                         llvmpipe 场景渲染补丁 (默认不安装)
├── tools/mock_policy_server.py      XPolicyLab ws 回声策略 (评测冒烟用)
└── selfcheck.sh                     出厂自检

三份拷贝改造件文件头标注来源仓库与 commit (RoboTwin @30954692, XPolicyLab @c37109c)。

Description
No description provided
Readme 156 KiB
Languages
Python 84.1%
Shell 12.9%
Dockerfile 3%