# 【递糖果】TRON2 双臂操作项目快速上手（基于pi05模型）
> 来源: https://www.limxdynamics.com/zh/documents/889935613132935168
> 发布时间: 2026-09-21
> 更新时间: 2026-10-23
> 标签: TRON 2 EDU版
❗
**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：**
1. **Python** 3.11+（推荐使用 uv 包管理器）
2. **GPU**：NVIDIA GPU至少 12GB 显存。推荐 GeForce RTX 3090 (12 GB) 或更高
3. **CPU**：至少六核处理器，推荐Intel: Core i7-10700K/AMD:Ryzen55600X/或更高版本
4. **内存**：16GB以上
5. **存储空间**：至少 30GB 可用空间
6. **操作系统**：Ubuntu 20.04 LTS及以上版本
7. **网络环境**：能正常访问Github
**物料采购链接：**
- [糖果](https://item.jd.com/100141805181.html?pcdk=0idlyuv_3YF5YjpmwH6Die7WiZBZN0X7hHC7KFRJ6dlDMPl4CCz2MK5jYRcLMWXk.3z6a.aI3x&spmTag=YTAyNDAuYjAwMjQ5My5jMDAwMDQwMjcuMSUyM3NrdV9jYXJkJTQwMTc4NDYwNTIzOTgxNCUyMzE3ODQ2MDQ3MTkxOTExODg4OTM4NTk0JTIzMTg5MDQ0MDY3MA)：一盒【大白兔500克钱兔似锦礼盒】
- [奶油色果盘](https://item.jd.com/10175580708819.html?pcdk=rmQphIP94gstOLhv682n5e5Gs9BVITvLf6co0I0LISSAxlr-PeQoKdyOZWSdhNZa.3z6a.aI3x&spmTag=YTAyNDAuYjAwMjQ5My5jMDAwMDQwMjcuMSUyM3NrdV9jYXJkJTQwMTc4NDYwNTM5OTkxNCUyMzE3ODQ2MDQ3MTkxOTExODg4OTM4NTk0JTIzMTY1Mzc3MTQ1OQ)：使用“轻奢水果盘2个装【奶油白+透明】”的奶油色果盘
# 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](https://github.com/Physical-Intelligence/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。
[video](https://oss.limxdynamics.com/uploads/material/%E9%BB%98%E8%AE%A4/TRON%202/demo/candy/TRON2_pi05_candy_demo_video.mp4#t=2s)
# 2. 账号及任务创建 1.账号：用户可选择以下两种工作模式开展数据集采集及处理流程： - **单人模式**：由项目管理员账号独立完成数据采集、标注、审核全流程工作； - **多人协作模式**：由项目管理员创建数据采集员、标注员、审核员三类账号，各角色登录对应账号分工完成各环节任务，具体的创建账号流程如下图所示： 2.自定义任务：您可以在项目界面中新建任务，将后续采集的数据分类归入不同项目，便于导出、训练时快速定位查找。 其他详细内容请参考：[逐际动力 具身数据平台使用手册](https://www.limxdynamics.com/zh/documents/890679841240780800)
|  创建角色 |  创建项目 |
| --- | --- |
|  多用户协作创建账号 |  创建任务 |
# 3. 数据采集 ## 3.1 环境布置 在糖果递送任务中，为更好地复用逐际动力已采集并公开的数据集，建议尽量复刻官方数据采集环境，具体布置要求如下：
|
- **机器状态**：手柄🎮调整至遥操作模式(TeleOperator)；
- **桌子规格**：尺寸160 * 80 * 75cm（长*宽*高），桌面为纯白色；（高度尽量保持不变）
- **机器人放置**：固定支架前，机器边缘距离桌面边缘10-15cm；
- **道具摆放**：[糖果](https://item.jd.com/100141805181.html?pcdk=0idlyuv_3YF5YjpmwH6Die7WiZBZN0X7hHC7KFRJ6dlDMPl4CCz2MK5jYRcLMWXk.3z6a.aI3x&spmTag=YTAyNDAuYjAwMjQ5My5jMDAwMDQwMjcuMSUyM3NrdV9jYXJkJTQwMTc4NDYwNTIzOTgxNCUyMzE3ODQ2MDQ3MTkxOTExODg4OTM4NTk0JTIzMTg5MDQ0MDY3MA)密集放置在桌面靠近机器人一侧的中央区域，同时底部放置[米色果盘](https://item.jd.com/10175580708819.html?pcdk=rmQphIP94gstOLhv682n5e5Gs9BVITvLf6co0I0LISSAxlr-PeQoKdyOZWSdhNZa.3z6a.aI3x&spmTag=YTAyNDAuYjAwMjQ5My5jMDAwMDQwMjcuMSUyM3NrdV9jYXJkJTQwMTc4NDYwNTM5OTkxNCUyMzE3ODQ2MDQ3MTkxOTExODg4OTM4NTk0JTIzMTY1Mzc3MTQ1OQ)，确保机器人双臂均可抓取到糖果；【已附采购链接】
|  |
| --- | --- |
## 3.2 连接TRON2机器人 参照[[逐际动力 数据采集软件使用手册](https://www.limxdynamics.com/zh/documents/889906272130961408#1.2-网络连接方法)]产品概述-网络连接方法，进行网络连接； ## 3.3 访问数据采集平台 参照[[逐际动力 数据采集软件使用手册](https://www.limxdynamics.com/zh/documents/889906272130961408#1.3-软件访问入口)]产品概述-软件访问入口，进入**数据采集软件**并按身份登录； ## 3.4 检查相机配置 `candy_server.yaml`中已经标注了`client: observation_source: bridge `，其中bridge表示为自动获取相机SN，legacy需要手动输入sn。 ## 3.5 TRON2机器人配置
|
- **机器人状态**：将手柄切入遥操作（TeleOperator)模式后，机器人头部将自动调整至最低姿态，并旋转至中位（pitch = 1.04，yaw = 0）。连接机器人后，在**数据采集软件概览页面**[**`https://10.192.1.4/`**](https://10.192.1.4/)检查视角是否合适。
- 参照下面「[TRON 2 用户手册](https://www.limxdynamics.com/zh/documents/844648486841487360#5-VR-设备及双臂遥操作使用说明（仅针对双臂移动双臂机器人）)」链接中「VR设备及遥操作使用说明」章节的「遥操作准备」与「遥操作使用」部分，完成机器人遥操作准备状态。
|  |
| --- | --- |
## 3.6 数据采集设置
⚠️
**在正式开始采集前，还需要检查以下事项：**
- 网络连接是否畅通
- 数据盘可用空间是否足够（录制1条1分钟的数据占用空间大约为800M-1.5G）
参照[[逐际动力 数据采集软件使用手册](https://www.limxdynamics.com/zh/documents/889906272130961408#2.2-数据录制（配置-%2B-开始停止）)]概述页面-数据录制，在**数据采集软件**进行参数设置
| **参数** | **参数填充** |
| --- | --- |
| **文件名** | **自拟** |
| **Dominid** | **一般填0，多机共用机器人进行操作时可按需分配id号** |
| **格式** | **mcap** |
| ****topic**
** | 推荐勾选以下13个topic
```
1、/camera/left/color/image_resized/compressed
sensor_msgs/msg/CompressedImage
2、/camera/right/color/image_resized/compressed
sensor_msgs/msg/CompressedImage
3、/camera/top/color/image_raw/compressed
sensor_msgs/msg/CompressedImage
4、/gripper_command
sensor_msgs/msg/JointState
5、/gripper_state
sensor_msgs/msg/JointState
6、/joint_command
sensor_msgs/msg/JointState
7、/joint_states
sensor_msgs/msg/JointState
8、/left_arm/ee_pose
geometry_msgs/msg/PoseStamped
9、/left_arm/ee_pose_cmd
geometry_msgs/msg/PoseStamped
10、/right_arm/ee_pose
geometry_msgs/msg/PoseStamped
11、/right_arm/ee_pose_cmd
geometry_msgs/msg/PoseStamped
12、/lifter/state
13、/chassis/twist
```
|
**数据采集录制操作：** 1.**调整机器人双臂至准备姿态**：同时长按 VR 左右手柄X+A键； 2.**开始录制**：按下 VR 右手柄 B键（或在数据采集软件「概览」→「数据录制」中点击绿色开始图标） 3.**执行采集任务**：通过遥操作抓取桌面上的糖果并递至人手中。采集遵守以下原则： - 系统识别到「手心向上」姿态后，双臂才开始移动夹取糖果并递送；未识别到手心向上时，机械臂保持静止。 4.**复位**：同时按下 VR 左手柄X和右手柄A按键，机器人双臂回到准备姿态； 5.**结束录制**：按下 VR 左手柄Y键（或在数据采集软件「概览」-「数据录制」中点击结束图标） 6.循环录制更多条；
|  递糖果demo数采过程图示 |
| --- |
## 3.7 数据上传至云端 - 数据采集完成后；点击数据采集平台「自动上传界面」->「配置并安装」->「自定义选择所属项目」+「云存储选择export（cn-shanghai）选项」->「启动」；
|  1、自动上传界面 |  2、配置-启动 |  3、自动上传中 |
| --- | --- | --- |
- 系统会自动将今日采集且并未上传过的数据上传至云端；
|  4、上传结束 |
| --- |
- 等待片刻上传结束后，可在具身平台账号的数据界面查看到该数据。
|  5、在具身平台数据界面查验 |
| --- |
# 4. 数据处理 ## 4.1 数据标注
| 1. 在具身平台的数据界面，勾选需要进行数据标注的数据，点击「标注」（可通过高级搜索按项目筛选数据） |  1、选择待标注数据 |
| --- | --- |
| 2.选择标注方式：创建新任务 / 追加旧任务 / 快速标注（不创建任务），并填写相关信息；
- 对于递糖果的标注内容可参考：
- 英文：Hand out the candy
- 中文：递糖果
|  2、选择任务 |
3.开始标注：可逐条点击标注，也可选择批量标注一次性处理全部所选数据；
|  逐条标注 |  批量标注 |
| --- | --- |
## 4.2 数据导出
| 1. 点击左侧导航栏「导出」，选择所需的数据格式； |  1、选择导出格式 |
| --- | --- |
| 2. 若选择Pi05作为Baseline，建议将数据导出为LeRobot格式，便于直接对数据集进行训练； |  2、选择数据 |
💡
此外我们也额外开源了数据转换脚本[limx_mcap2lerobot.zip](https://oss.limxdynamics.com/uploads/attachment/2026/09/23/1790164596233_limx_mcap2lerobot.zip) 可在用户自有的高性能服务器上运行，提供更高的灵活性和计算能力，适合有一定定制化需求的场景
## 4.3 数据集验证 ```Bash ~/Desktop/lerobot_dataset$ tree -d . ├── data │ └── chunk-000 ├── meta │ └── episodes │ └── chunk-000 └── videos ├── observation.images.cam_high │ └── chunk-000 ├── observation.images.cam_left_wrist │ └── chunk-000 └── observation.images.cam_right_wrist └── chunk-000 ``` # 5. 数据集说明 - 数据集统计：
| **指标** | 数值 |
| --- | --- |
| **数据描述** | 1953条； |
| **数据地址** | 具身平台对应：递糖果数据集_Label |
| **任务类型** | 糖果递送（Pick & Place） |
| **采集方式** | 遥操作（VR Teleoperation） |
| **数据格式** | 当前为Mcap；可导出为任意格式 |
# 6. 模型训练 训练模型目前有两种方式，您可以根据情况自由选择：
| **训练方式** | 适用情况 | 优势 |
| --- | --- | --- |
| **基于具身数据平台训练** | 暂无算力资源，或已有算力但希望快速跑通开发流程的初学者 | - **无代码训练**: 通过可视化界面完成全训练流程，无需编程经验
- **实时监控**: 提供训练指标、模型输出、系统日志的实时监控
- **自动化管理**: 支持检查点管理、断点续训、参数调整等功能
- **自定义镜像**：提供完整镜像，可直接复现官方开发流程 |
| **基于自有算力训练** | 已有算力（本地服务器或云资源）且熟悉云端开发的资深开发者 | - 复用已有算力资源
- 已开源训练与推理源码，开放性更强，可自行迭代优化**（不可商用）** |
## 6.1 基于具身平台训练 具身数据平台提供完整的模型训练功能，当前支持 OpenPI、ACT、自定义镜像 这几种机器人学习模型的训练，具体的训练方式如下述： ### 6.1.1 选择基座模型训练
| 具体使用流程请查阅[逐际动力 具身数据平台使用手册](https://cwjgfm21di.feishu.cn/docx/JI6gdIGg2ofHZdx3ydrcFn8RnP4?from=from_copylink) `模型功能模块 - 训练工作流程`。 |  |
| --- | --- |
### 6.1.2 选择自定义镜像训练
| 当用户需要借助具身平台的算力、基于我们的开源代码进行模型训练时，需通过自定义镜像的方式实现。具体填写内容如下： |  |
| --- | --- |
| **序号** | 参数名称 | 填写内容 |
| --- | --- | --- |
| **1** | 训练镜像 |
```
limx-acr-wlcb-registry.cn-wulanchabu.cr.aliyuncs.com/limx_emb/hum:pytorch210-gpu-py312-cu128-ubuntu22-tron2-openpi-3
```
|
| **2** | 仓库用户名 | 不需要填写 |
| **3** | 仓库密码 | 不需要填写 |
| **4** | EntryPoint | `bash /root/tron2_openpi/scripts/cloud_train_entrypoint_portable.sh` |
| **5** | 启动参数
| 以下内容作为命令行参数传递给上述启动脚本，**您可根据需要灵活调整steps、batch_size等参数**：
```
--data-dir /data
--repo-id input
--weight /models/openpi-assets/checkpoints/pi_base/params
--output-dir /data/output
--exp test
--steps 30000
--save-interval 10000
--batch-size 64
--rtc-delay 10
--action-horizon 30
--prompt-from-task
--overwrite
```
|
## 6.2 基于自有算力训练
⚠️
**注意：**
使用自有算力训练模型前，请先参考本文开头「训练最低配置」部分。
💡
**关于训练框架**
- OpenPI 开源项目中的底层技术栈包含 JAX 和 PyTorch 两种框架，由于训练其核心模型 Pi05。由于 OpenPI 原生训练框架为JAX，且核心模型、训练流程及基础 Checkpoint 均基于 JAX/Flax 构建，因此本项目默认使用 Jax 框架进行训练。
- JAX 是一种用于模型训练的计算工具，定位类似 PyTorch — 它不是模型，也不是算法，只是“用来跑模型的框架”。
- JAX 的优势在于计算效率高，尤其适合大模型训练场景。本项目选用 JAX 正是因为其在 Pi0.5 这类大模型训练中更为高效。
如需在自有算力环境中，使用开源数据集或自定义数据集训练模型，可参考下文流程并结合开源代码实现。当前开源代码已完成 OpenPI 源码与 TRON2 的适配，本文以 Pi05 为例进行说明： ### 6.2.1 配置训练环境【同推理】 ```Bash git clone https://github.com/limx-tron2/tron2_openpi.git git clone https://github.com/limx-tron2/tron2_env.git cd tron2_openpi sudo apt install pkg-config sudo apt install software-properties-common -y sudo add-apt-repository ppa:ubuntuhandbook1/ffmpeg7 -y sudo apt install ffmpeg libavformat-dev libavcodec-dev libavdevice-dev libavutil-dev libswscale-dev libswresample-dev libavfilter-dev -y uv sync uv pip install -e . source .venv/bin/activate uv pip install -e "../tron2_env[bridge,openpi]" # 激活当前环境 # 验证是否正常安装成功，应输出路径：../tron2_env/src/tron2_env/__init__.py PYTHONPATH="$(cd ../tron2_env/src && pwd)" uv run python -c "import tron2_env; print(tron2_env.__file__)" ``` ### 6.2.2 训练流程 1.训练统一推荐独立 YAML 任务配置文件管理参数，不建议直接修改 `src/openpi/training/config.py`，便于配置隔离、版本管理与复用： ```Bash cp configs/train/tron2_tasks/example.yaml configs/train/tron2_tasks/my_task.yaml ``` 2.打开配置文件： `configs/train/tron2_tasks/my_task.yaml`，修改数据集地址参数：`repo_id: my_dataset`；系统通过环境变量 `HF_LEROBOT_HOME` 拼接完整数据集路径，本地目录必须满足固定结构： 1.`$HF_LEROBOT_HOME/my_dataset/data/`：存放图像、轨迹、动作等原始数据 2.`$HF_LEROBOT_HOME/my_dataset/meta/`：存放数据集统计、任务描述、episode信息 ```Bash export HF_LEROBOT_HOME=/path/to/datasets ``` 3.数据集归一化参数是训练收敛的必要前置条件，首次训练前运行脚本 normalization statistics 计算统计文件： ```Bash uv run scripts/compute_norm_stats.py \ --task-config configs/train/tron2_tasks/my_task.yaml ``` 4.统计量计算完成后，执行训练脚本启动训练： ```Bash uv run scripts/train_tron2_task.py \ --task-config configs/train/tron2_tasks/my_task.yaml ```
❗
**补充：**
我们提供了一体化入口脚本 `scripts/cloud_train_entrypoint_portable.sh`，无需分步执行：
- 不传 `--skip-norm` 参数时，脚本会自动先计算归一化统计量，再启动训练；
- 如需跳过统计量计算，增加入参 `--skip-norm`。
#### 6.2.2.1 本地自定义路径模式： 自有算力无统一挂载目录时，手动传入数据集、权重、输出完整路径： ```Bash scripts/cloud_train_entrypoint_portable.sh \ --data-dir /path/to/datasets \ --repo-id my_dataset \ --weight /path/to/checkpoint/params \ --output-dir /path/to/output \ --exp my_task \ --prompt "perform the configured task" \ --max-frames 100000 ``` #### 6.2.2.2 绑定自定义 YAML 配置文件模式： 直接加载已编辑完成的`my_task.yaml`，文件内统一管理`repo_id`、加载权重`weight_loader`、资源根目录`assets_base_dir`和保存路径`checkpoint_base_dir`等参数；仅需通过`--data-dir` 指定 `HF_LEROBOT_HOME`： ```Bash scripts/cloud_train_entrypoint_portable.sh \ --task-config configs/train/tron2_tasks/my_task.yaml \ --exp my_task \ --data-dir "$HF_LEROBOT_HOME" \ --max-frames 100000 ```
❗
**补充规范说明：**
1. 自定义任务配置文件（如`my_task.yaml`）已配置在`.gitignore` 中，不会提交至代码仓库；仓库仅保留通用模型`configs/train/tron2_tasks/example.yaml`；
2. 模版 YAML 支持配置项：数据集`repo_id`、任务文本`prompt`、数据列定义、 动作预测时长`action_horizon`、状态维度`state_dim`、预训练基准权重`base checkpoint`、训练输出路径，以及可选的 `prompt_from_task` 和 `rtc_training_simulated_delay`。
# 7. 模型部署 ## 7.1 推理部署流程
⚠️
1. 机器人初始姿态要求：需保证机器人处于 L1+X 标准初始状态：双臂自然竖直贴靠机身两侧。启动客户端后，机器人会自动侧展双臂，然后前伸，若**非初始状态**可能会直接抬起双臂，警惕前方物体风险。
2. 在推理前必须将机器人🎮状态切换为高级开发者模式（**High-Level Dev**）。
- 如果采集数据时没有改变桌子高度、支架距离桌子边缘距离、光照环境、头部角度，那么推理时需要保持一致。
3. 其他环境相关约束可参考本文开头**「部署最低配置」部分内容。**
4. 关于相机连接模式说明：
1. Bridge 模式：通过 TRON2 Bridge 拉取图像数据，同步采用 Bridge 校正后的机器人状态信息；
2. Legacy 本地直连模式：本地推理主机直连 RealSense 相机，并从机器人 WebSocket 获取状态【此时需要将机器人的三个相机的usb口接到推理机箱上】；
5. 当 `client.max_steps` 为 `null` 时，需要手动停止客户端。
### 7.1.1 配置推理环境【同训练】
💡
**说明：**标题「同训练」指安装命令与【6.2.1 配置训练环境 】完全一样。如果用的是同一台电脑，环境在训练时已装好，此处**无需重复安装**，可直接跳到 7.1.2。
```Bash git clone https://github.com/limx-tron2/tron2_openpi.git git clone https://github.com/limx-tron2/tron2_env.git cd tron2_openpi sudo apt install pkg-config sudo apt install software-properties-common -y sudo add-apt-repository ppa:ubuntuhandbook1/ffmpeg7 -y sudo apt install ffmpeg libavformat-dev libavcodec-dev libavdevice-dev libavutil-dev libswscale-dev libswresample-dev libavfilter-dev -y uv sync uv pip install -e . source .venv/bin/activate uv pip install -e "../tron2_env[bridge,openpi]" # 验证是否正常安装成功，应输出路径：../tron2_env/src/tron2_env/__init__.py PYTHONPATH="$(cd ../tron2_env/src && pwd)" uv run python -c "import tron2_env; print(tron2_env.__file__)" ``` ### 7.1.2 权重拉取 在地址`/home/xxx/xxx/tron2_openpi`中新建文件夹`checkpoints`，在该文件夹中拉取权重：`https://huggingface.co/limxdynamics/tron2-openpi-models/tree/main` ```Bash cd /home/xxx/xxx/tron2_openpi mkdir checkpoints cd checkpoints hf download limxdynamics/tron2-openpi-models \ --repo-type model \ --include "pi05_tron2_candy/**" \ --local-dir ./checkpoints ``` ### 7.1.3 部署配置 1.文件`/home/linux_user_name/xxx/tron2_openpi/configs/deploy`下的三个yaml文件是我们的示例配置，其中`candy_server.yaml`和`candy_client.yaml`为关于 Candy 任务的公开示例配置，其中包含各类参数，你可以根据注释自行修改。 2.用于你自己的机器人前，请**重点确认** `checkpoint` 路径、机器人地址、Bridge 地址、初始化姿态和安全流程都适用于当前部署。 3.常见的修改参数：最小本地配置示例如下所示，地址在`tron2_openpi/configs/deploy/`下的任意您使用的`candy_server.yaml`文件的policy内容（详细配置说明已写在yaml注释中）。 ```YAML policy: config: TASK_CONFIG_NAME # 训练配置名称，具体位置和/home/xxx/xxx/tron2_openpi/src/openpi/training/config.py中第642-653行内容一致； repo_id: DATASET_REPO_ID # 需要与checkpoint文件的asset子目录一致，我们的开源权重默认为input； checkpoint_dir: /path/to/checkpoints/TASK_CONFIG_NAME/experiment/step # checkpoint地址，可以为绝对路径或相对于 tron2_openpi 的相对路径 default_prompt: TASK_PROMPT # 递糖果demo默认Hand out the candy robot: ip: ROBOT_IP client: observation_source: bridge max_steps: null ``` ### 7.1.4 机器人环境 1.**需要确保**机器人处于 L1+X 后的初始状态，即双臂竖直摆放在侧身状态； 2.切换手柄遥控器到高级开发者模式【High-Level-Develop】； ### 7.1.5 启动策略服务 1.在一个终端启动policy server: ```Bash cd tron2_openpi uv run scripts/serve_policy.py --profile configs/deploy/candy_server.yaml ``` 2.在另一个终端启动TRON2 客户端： ```Bash cd tron2_openpi uv run examples/tron2/pi_client_rtc.py --profile configs/deploy/candy_client.yaml ``` 3.运行客户端后机械臂会从竖直侧身状态平滑过渡到小臂垂直侧身的，随后即可以将手心向上放置在相机视角推理验证。 # 8. 参考资料 - 代码仓库：[tron2_openpi](https://github.com/limxdynamics/tron2_openpi) - 使用说明：[README_CN.md](https://github.com/limxdynamics/tron2_openpi/blob/main/README_CN.md) - 安装指南：[INSTALL_CN.md](https://github.com/limxdynamics/tron2_openpi/blob/main/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。
## 附件
- [limx_mcap2lerobot.zip](https://oss.limxdynamics.com/uploads/attachment/2026/09/23/1790164596233_limx_mcap2lerobot.zip)