Harrysunshine

底座里的 VAE、文本编码器与 Wan2.2-TI2V-5B 扩散主干仍从 Dexmal/DW05-Robotwin 取，本仓只放微调后的权重。 - 起点：Dexmal/DW05-Robotwin，剔掉与双臂机器人绑定的动作头与本体编码器（宽度对不上 SO-101，重新学） - 全量微调 + DeepSpeed ZeRO-1，每卡 batch 1 × 3 卡，20000 步，学习率 1e-4 cosine - SO-101 的 6 维状态填进 RobotWin 的 16 槽排布：前五个槽放五个臂关节，夹爪落在第 7 槽；三路视图用 顶视 + 腕部 + 腕部 - 本体状态在训练时没有归一化：推理时把 6 维状态排进 16 槽、补一位终止标志 0 后原样送入，不要套 RobotWin 的分位数归一化。 用法与评测脚本见 dexbotic 的 docs/so101.md（script/so101/dw05simcheck.py）， Apache-2.0，随底座 Dexmal/DW05-Robotwin。

在 Dexmal/DM05 上做 LoRA 微调得到的 SO-101 单臂策略： 仿真与真机混成一份，共 3698 集 / 1,280,507 帧 / 10 个任务，全部 30 fps、640×480： - LoRA（all-linear），可训参数 324M / 6.15B = 5.27% - 动作模式 RELATIVE，动作块长度 50 - 等效 batch 48（4 卡 × 每卡 6 × 梯度累积 2），5000 步，bf16，cosine 学习率 成败取环境自带的 issuccess（物体在料箱内、夹爪松开、物体与机械臂都静止），每局上限 500 步： 需要 dexbotic 框架。适配器里记录的底座是 Dexmal/DM05， 完整的数据准备、训练与仿真评测流程见 dexbotic 的 docs/so101.md，教学示例见 适配器随底座 Dexmal/DM05 采用 Gemma 许可。