File size: 19,543 Bytes
71b84ee
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
df5faa1
71b84ee
 
 
df5faa1
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
71b84ee
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
4c30652
 
71b84ee
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
# Tactile Flash-CHORD

官方 Flash-CHORD JAX FlashSAC + 官方冻结 Utonia,用仿真接触历史估计物体状态与物性,再追加给控制策略。**A0 已有官方接触位置、单位力方向和物体真实位姿,不能叫“完全无触觉”;A2 增加的是触觉历史编码与学习到的估计。**

这里维护网页结果的版本对应、复现命令和交付限制。2026-10-17 起,paper box 完整长序列的唯一主对照为 **官方原生 A0(不补零)对 no-SDF A2**,即 **72.505188% 对 77.557373%**。历史“70% 对 77%”仅用于追溯。当前研究主线是[新的 demo following](docs/contact_following.md),它的结果必须另报。下面的历史复现命令供明确选择复现时使用,不是自动重启旧实验队列的指令;所有后续触觉执行保持 **no-SDF**。

## 先选对要复现的数字

| 版本 | 16 条件平均成功率 | 配置与训练 arm | 策略输入 |
|---|---:|---|---:|
| 历史 A0,追加零占位 | 70.245361% | `configs/baseline.yaml` / `A0_official` | 504 + 48 个零 |
| 历史 full A2,只保留已有证据 | 74.487305% | 历史 `baseline.yaml` / `A2_utonia`;现在禁止执行 | 552 |
| **A2 no-SDF,77% 对应版本** | **77.557373%** | `configs/ablations/no_sdf_aux.yaml` / `A2_utonia` | 552 |
| 原生输入 A0,当前首页使用 | 72.505188% | `configs/ablations/A0_native_input.yaml` / `A0_official` | 504 |

70.245361 → 77.557373 是 **+7.312012 个百分点**;当前首页的 72.505188 → 77.557373 是 **+5.052185 个百分点**。不是同一组 A0。`A0_native_input` 是配置/结果名称,不是 `--arm` 参数。`official_nominal` 关闭混合物理训练,也不是这里的 A0。

每行是 **1 个 seed、4096 worlds、500,006,912 环境步、975,768 learner updates** 的最终 checkpoint。在质量 `[1, 1.5, 2, 3]` × 摩擦 `[1, 0.75, 0.5, 0.25]` 的全部 16 条件上,各运行 4096 worlds,取等权均值。不是标称成功率,不是视频抽样成功率,也不是新 object-centric 参考的结果。

[结果首页](docs/site/index.html) · [历史完整页面](docs/site/research-archive.html) · [本轮详细核查](docs/reproduction_audit_20261017.md)

## 能复现到哪一层

- **查看页面:**仓库有精简结果和展示资产,不需要训练。
- **复算已保存数字:**需要集群原始实验目录;本轮核查脚本只读证据,不训练、不新评估。页面 JSON 不是原始实验数据的替代品。
- **恢复旧策略重新评估:**需要 policy、A2 同一步 estimator、官方 Utonia 权重、原始参考/机器人/物体/支撑资产、匹配引擎和环境。旧 checkpoint 内还保存了原集群绝对路径,见下文。
- **从头训练:**代码有完整预算入口,但**干净机器安装和独立重训尚未验证**,不能承诺再得到逐项相同数字。单 seed 结果也不能证明普遍提高。

研究 checkpoint 正在发布到下节的公开 HF 仓库,完整原始评估仍未公开;`experiments/`、`checkpoints/`、`.venv/` 和 `.cache/` 不随普通 clone 交付。因此“只 clone,然后运行默认 A2”不能完整复现 77.557%。

## 公开模型下载

公开仓库:[Railgun526/Curiosity-Tactile-Checkpoints](https://huggingface.co/Railgun526/Curiosity-Tactile-Checkpoints)。[完整清单](https://huggingface.co/Railgun526/Curiosity-Tactile-Checkpoints/blob/main/manifest.json)登记每个文件、实验、大小和所在仓库;[实际上传进度](https://huggingface.co/Railgun526/Curiosity-Tactile-Checkpoints/blob/main/upload-status.json)区分推理模型、最终训练状态和中间保存点,**清单登记不等于已经上传完成**。

本次范围是此前 **40 组已完成 500M 正式训练**:105 个最终 policy/head/state 文件约 6.42 GiB;连同中间保存点共 5,250 个文件约 320.80 GiB。包括历史 full-SDF 和补零 A0,仅作为原始档案,不改变未来执行规则。未完成/取消的运行、smoke 和正在生成的新 following 不冒充已训练结果。官方 Utonia 预训练权重仍从官方模型仓库获取。

在按依赖说明安装好的计算节点上,默认仅下载本次主对照需要的 **3 个推理文件**:

```bash
bash tools/run.sh tools/download_paper_models.py --output downloads/checkpoints
# 可选:所有已完成正式训练的最终模型、配套估计器和最终 learner state。
bash tools/run.sh tools/download_paper_models.py --output downloads/checkpoints --all-final
# 可选:完整中间保存点归档,需约 321 GiB;须先确认在线上传状态完成。
# bash tools/run.sh tools/download_paper_models.py --output downloads/checkpoints --all-checkpoints
```

下载不需要登录 HF;下载器显式 `token=False`。如返回尚未上传文件的 404,应检查上面的进度,不应生成替代模型。`state_*.safetensors` 是 learner 状态,缺少 replay/仿真状态时不能称精确续训包。

### 在不同目录部署旧模型

先准备下节中的官方 paper-box 数据与代码。然后对下载的原件创建**单独部署副本**:

```bash
bash tools/run.sh tools/relocate_paper_checkpoint.py \
  --checkpoint downloads/checkpoints/experiments/flash_chord/native_input_20261012/A0_native_input/formal/train/policy_500006912.safetensors \
  --source-root /public/home/yanhongru/Curiosity-Tactile \
  --output experiments/reproduced/deployed/A0_native

bash tools/run.sh tools/relocate_paper_checkpoint.py \
  --checkpoint downloads/checkpoints/experiments/flash_chord/tactile_ablations_20261011/no_sdf_aux/formal/train/policy_500006912.safetensors \
  --source-root /public/home/yanhongru/Curiosity-Tactile \
  --output experiments/reproduced/deployed/A2_no_sdf

bash tools/run.sh eval.py --model-config configs/ablations/A0_native_input.yaml \
  --config configs/evaluation.yaml --profile standard \
  --checkpoint experiments/reproduced/deployed/A0_native/policy_500006912.safetensors \
  --output experiments/reproduced/downloaded-eval/A0_native

bash tools/run.sh eval.py --model-config configs/ablations/no_sdf_aux.yaml \
  --config configs/evaluation.yaml --profile standard \
  --checkpoint experiments/reproduced/deployed/A2_no_sdf/policy_500006912.safetensors \
  --output experiments/reproduced/downloaded-eval/A2_no_sdf
```

迁移工具只支持这两个正式 paper-box 模型,显式映射 header 中的路径,流式复制 tensor payload,保留原件、匹配的 A2 sidecar 和 `relocation.json`。部署副本有新的文件身份,应使用新评估目录。主对照三个文件已实际匿名下载;两种策略的全部 32 个 tensor 均有限,A2 head/encoding/step 检查通过,并完成不同本地路径的 metadata/safetensors 读取资格;**尚不是新机器 GPU 恢复或重新训练验收**。

## 准备代码、环境和资产

本轮还公开了[审计时的源码快照](https://huggingface.co/Railgun526/Curiosity-Tactile-Checkpoints/resolve/main/reproduction/reproduction-source-20261017.tar.gz)和[原始 paper-box 资产包](https://huggingface.co/Railgun526/Curiosity-Tactile-Checkpoints/resolve/main/reproduction/paper-box-assets-20261017.tar.gz)。后者包含本次实际 Parquet、物体/支撑文件和已有凸分解缓存;官方许可证随包保留。它们补齐文件交付,不代表干净环境安装已验证。

在**全新的复现目录**准备文件,勿覆盖正在实验的工作区:

```bash
git clone --branch tactile-flash-chord https://github.com/yanhr21/Curiosity.git Curiosity-Tactile-reproduction
cd Curiosity-Tactile-reproduction
mkdir -p downloads
HF_RELEASE=https://huggingface.co/Railgun526/Curiosity-Tactile-Checkpoints/resolve/main
curl -fL --retry 3 "$HF_RELEASE/reproduction/reproduction-source-20261017.tar.gz" -o downloads/reproduction-source.tar.gz
tar -xzf downloads/reproduction-source.tar.gz
bash tools/restore_official_sources.sh
curl -fL --retry 3 "$HF_RELEASE/reproduction/paper-box-assets-20261017.tar.gz" -o downloads/paper-box-assets.tar.gz
tar -xzf downloads/paper-box-assets.tar.gz
```

之后按下面的依赖说明在计算节点安装环境,下载官方 Utonia 权重,再下载/部署策略或从头训练。源码包对应这次审计的工作树,**不是每次历史训练的不可变源码记录**;HF `documentation/README.md` 保存更新的操作说明。


所有训练、评估、Python、安装和审计在本集群都必须通过 **tmux + srun 计算节点**执行,不能伪造 Slurm 环境变量。`tools/run.sh` 也硬性检查这一点;当前仓库尚无经过验证的普通非 Slurm 训练入口。

1. 保留本分支的源码快照。运行 `bash tools/restore_official_sources.sh` 恢复 `vendor/official/{video_to_data,Utonia}`;它保留已有目录,**不会把已有的错误上游 checkout 修成正确版本**。物理引擎另在已跟踪的 `third_party/mujoco_warp_1771/`。
2. 按 [dependencies.md](docs/dependencies.md) 配置 Python 3.11 的分离环境。实际版本:JAX/jaxlib 0.10.2(CUDA 13)、Flax 0.12.7、Optax 0.2.8、MuJoCo/MuJoCo Warp 3.8.1、Newton 1.2.0、Warp 1.14.0、Torch 2.6.0+cu124、FlashAttention 2.7.4.post1。**`pip install -r requirements-runtime.txt` 不是完整安装流程。**
3. 按 [data_assets.md](docs/data_assets.md) 准备官方 Sharpa、纸盒 Parquet、物体 mesh/URDF、支撑面和 `checkpoints/utonia/utonia.pth`。Git LFS 指针不是数据。原机 `utonia.pth` 是指向 `utonia.ceph.pth` 的符号链接,搬运时必须带上真实文件,不能只复制链接。
4. 旧模型精确场景复查还需要保留 `.cache/flash-chord/geometry/convex/` 的实际凸分解资产。清空缓存可能重新运行 CoACD,不能把重新生成的碰撞几何默认为原实验。不要为了复现去清空现有研究缓存。

官方资产来源和安装细节在上述两份文档中;它们描述现有环境与下载入口,不代表已在新机器完成安装验收。

在已分配的计算节点 shell 内,从仓库根目录验证配置(不训练):

```bash
bash tools/run.sh train.py --config configs/ablations/A0_native_input.yaml --arm A0_official \
  --show-config --output experiments/reproduced/config-preview-A0
bash tools/run.sh train.py --config configs/ablations/no_sdf_aux.yaml --arm A2_utonia \
  --show-config --output experiments/reproduced/config-preview-A2
```

`A0_native_input.yaml` 仍保留公用的 `observation_block_width: 48` 字段,但 `kind=none` 时完全不拼接;实际 policy header 是 504 维。

确认 `world_count=4096`、`total_environment_steps=500006912`、seed 42、A0 `kind=none`、A2 `kind=utonia` 和 `tactile_variant=no_sdf_aux`。配置检查通过不代表 GPU 推理/训练通过。

## 从头训练这两个版本

仅在资产、环境已就位,且明确选择复现历史纸盒对照时执行。每张 H200 同时只跑一个 arm;不要挤占新 following 的 GPU。这里不申请/释放 allocation,也不自动运行其他旧实验。

在登录节点已有 tmux 会话中,用自己的 allocation 进入计算节点:

```bash
srun --jobid="$REPRO_JOB_ID" --gres=gpu:1 --ntasks=1 --cpus-per-task=16 --pty bash
```

然后在计算节点仓库根目录定义函数:

```bash
set -euo pipefail
run_paper_arm() {
  local name="$1" config="$2" arm="$3"
  local dest="experiments/reproduced/paper_native_nosdf/$name"
  if [ -e "$dest" ]; then
    echo "Output already exists; inspect it instead of overwriting: $dest" >&2
    return 1
  fi
  mkdir -p "$dest"
  # Full model / 4096 worlds; shorten only the total steps.
  # train.py automatically restores the saved smoke policy and evaluates nominal.
  bash tools/run.sh train.py --config "$config" --arm "$arm" --seed 42 \
    --smoke-steps 1048576 --output "$dest/smoke/train" > "$dest/smoke.log" 2>&1
  test "$(jq -r '.environment_steps' "$dest/smoke/train/final_checkpoint.json")" = 1048576
  test "$(jq -r '.learner_updates' "$dest/smoke/train/final_checkpoint.json")" -gt 0
  test -f "$dest/smoke/train/evaluation/mass_1_friction_1_normal/completed.json"
  # Second smoke condition: mass 2, friction 0.5; still a complete 4096-world trajectory.
  bash tools/run.sh eval.py --model-config "$config" --config configs/evaluation.yaml \
    --profile combined --checkpoint "$dest/smoke/train/policy_1048576.safetensors" \
    --output "$dest/smoke/combined" > "$dest/smoke-combined.log" 2>&1
  test -f "$dest/smoke/combined/mass_2_friction_0.5_normal/completed.json"
  # Starts from scratch; it does not continue the smoke weights.
  # Automatically evaluates the final policy on all 16 standard conditions.
  bash tools/run.sh train.py --config "$config" --arm "$arm" --seed 42 \
    --output "$dest/formal/train" > "$dest/formal.log" 2>&1
}

run_paper_arm A0_native configs/ablations/A0_native_input.yaml A0_official
run_paper_arm A2_no_sdf configs/ablations/no_sdf_aux.yaml A2_utonia
```

两行顺序执行;若分别在两张独立卡运行,每个终端只执行自己的那一行。这里默认已经是原生 A0,不再以补零 A0 作为主对照。

smoke 的验收是完整 shape、真实更新、保存、恢复和完整评估,不要求短训成功率高。正式训练固定原官方模型、replay 4,194,304、batch 2048、n-step 3;不能减 worlds/模型来声称复现。每次训练自动进入评估,**不要另外重复启动同一套 16 条件**。正式输出应有 `final_checkpoint.json` 和 16 个 `completed.json`,且各自指向被接受的 attempt;不能只平均已经跑完的部分条件。

## 只恢复已有原生 A0 与 no-SDF A2 模型

原机 checkpoint 路径:

```text
experiments/flash_chord/native_input_20261012/A0_native_input/formal/train/policy_500006912.safetensors
experiments/flash_chord/tactile_ablations_20261011/no_sdf_aux/formal/train/policy_500006912.safetensors
experiments/flash_chord/tactile_ablations_20261011/no_sdf_aux/formal/train/policy_500006912.estimator.pt
```

A2 的两个文件必须属于同一训练、同一步;还需要官方 Utonia backbone。`final_checkpoint.json` 只是路径清单,不是模型。历史 full A2 的 sidecar 不能换给 no-SDF A2。

**跨机器恢复的已确认阻塞:**这些 checkpoint 的 `task.parquet` 保存为 `/public/home/yanhongru/Curiosity-Tactile/...`。官方 `_resolve_parquet()` 只特殊处理 `/workspace` 前缀;本项目还核验 YAML 和 checkpoint 的真实参考路径。仅修改 `--model-config`、`V2D_ASSETS_DIR` 或当前目录不能修复。原路径映射和当前 YAML 必须解析到同一真实资产;现在可使用上文显式迁移工具创建部署副本,不应删除身份检查。已验证 metadata 读取,GPU 恢复仍未新测。

在**原路径仍有效**、完整资产已恢复的计算节点上,准确的两条评估命令是:

```bash
bash tools/run.sh eval.py --model-config configs/ablations/A0_native_input.yaml \
  --config configs/evaluation.yaml --profile standard \
  --checkpoint experiments/flash_chord/native_input_20261012/A0_native_input/formal/train/policy_500006912.safetensors \
  --output experiments/reproduced/frozen-paper/A0_native

bash tools/run.sh eval.py --model-config configs/ablations/no_sdf_aux.yaml \
  --config configs/evaluation.yaml --profile standard \
  --checkpoint experiments/flash_chord/tactile_ablations_20261011/no_sdf_aux/formal/train/policy_500006912.safetensors \
  --output experiments/reproduced/frozen-paper/A2_no_sdf
```

使用全新输出目录。搬运旧 `completed.json` 后,原绝对路径和修改时间身份不会自动迁移;不得手改旧完成标记来强行跳过验证。上述命令不是本轮已经执行的新评估。

## 当时用了哪些特殊处理

| 处理 | 是否影响复现 |
|---|---|
| 指定 PR 1530/1771 等官方物理补丁,`njmax=2048,nconmax=512,epa_horizon=64` | 必须保留;同名 pip 引擎不等价;训练和评估均记录实际来源与容量验收 |
| 半数 worlds 精确标称,另半数混合九种质量/摩擦,只有混合半尺度 0.9–1.1 | 科学配方;不是上游纯标称训练,也不是每条件各训练一个策略 |
| 历史 A0 曾追加 48 个零;新主对照使用原生 504 维 A0。A2 追加 48 维估计块 | no-SDF 仍保留槽宽,只屏蔽 SDF 输出及监督;主对照输入宽度不同须明确报告 |
| 完整冻结 Utonia、额外学习的时序/任务头、每 4 步编码与监督更新 | head 与 policy 必须一起保存/恢复;评估 head 冻结,不使用真值监督更新 |
| `utonia_padding.py` 替换注意力的 padding 索引计算 | 性能适配,未替换 backbone;运行时 `verify_first=False`,不能称每次运行都做了等价性验证 |
| JAX/Torch 分离依赖、显式 cuDNN/NCCL 加载、入口 re-exec 清理库路径 | 必须走正确入口;只 `source activate` 或直接 import 不能代表正式运行环境 |
| 使用实际凸分解缓存、完整原始参考和支撑面 | 属于场景交付;不要重新生成近似物体再比较原数字 |
| 最终 checkpoint、完整轨迹、不自动 reset、关闭评估辅助力、全部 16 条件 | 成功按原阈值离线评分;不能只看物体存活或挑视频 |

这些操作应公开写清,不能笼统称“原版默认参数直接跑”。没有证据表明展示的均值来自挑选 best checkpoint;本轮核查绑定的是固定最终 500,006,912 步文件。原始记录不是密码学不可变档案,当前源码也不是每次旧运行的完整冻结副本。

## 常见复现失败与检查入口

| 现象 | 已确认的检查点 |
|---|---|
| `no-SDF` 限制报错 | 77% 必须用 `configs/ablations/no_sdf_aux.yaml`;不要绕过永久 no-SDF 规则 |
| checkpoint 或 estimator 找不到 | 普通 clone 不带研究模型;检查 `.estimator.pt` 和 Utonia 符号链接真实目标 |
| `/public/home/...` Parquet 不存在或 reference 不匹配 | 旧模型绝对路径问题,见上文;改 YAML 本身不够 |
| `libcudnn*.so.9` undefined symbol | 核对分离库目录及正式入口的 re-exec/preload;不要混装两套同 SONAME cuDNN |
| engine version/source guard 失败 | 使用指定快照和版本;不能安装最新 main 后跳过检查 |
| Slurm guard 失败 | 当前运行入口要求真实计算节点;不是设置三个环境变量就能修好 |
| 得到 70.25% 或 74.49% 的历史标签 | 对应补零 A0 或 full A2;当前主对照是原生 A0 72.51% 与 no-SDF A2 77.56% |
| 页面导出缺失或只有部分条件 | 原始目录/身份信息不完整;均值必须有完整 16 条件支撑 |

只读复算原始证据(仍在计算节点执行,输出用新文件):

```bash
bash tools/run.sh tools/audit_paper_reproduction.py \
  --output experiments/reproduced/paper-evidence-audit.json
```

脚本检查四组共 64 个已接受条件、最终 checkpoint 元数据、全部轨迹文件行数、网页均值,以及 no-SDF estimator 的 CPU 反序列化和参数有限性。它不创建仿真环境,不代表 GPU 恢复或全新训练成功。

已有网页可由普通远端电脑用 `python3 tools/serve.py --standalone --host 127.0.0.1 --port 8098` 查看;本集群页面服务仍须放到计算节点。页面精选视频有选择偏差,只用于解释动作;成功率以完整原始评估为准。

更多资料:[依赖](docs/dependencies.md) · [资产](docs/data_assets.md) · [复现入口与历史归档](docs/reproduction.md) · [方法与张量](claude_context/architecture_and_training.md) · [源码快照许可](vendor/README.md)。