Pi0 机器人 VLA 大模型在昇腾 A2 平台上的测评
随着人工智能技术的持续发展以及人形机器人产业的快速推进，算力在提升机器人运动控制精度、实时响应能力与智能化水平方面的作用日益凸显。为实现降本增效，国产化算力替代需求不断攀升。本文基于国产化适配的 Pi0 机器人 VLA 大模型，在昇腾 Atlas 800I A2 服务器上完成部署与测试。
结果表明：该模型在推理性能、推理精度及功能完整性等方面，不仅实现了与英伟达同级别硬件相当的算力表现，更在部分场景下表现出更优的运行效率。这一成果充分表明，经过深度适配的国产大模型与国产算力平台，已具备支撑高端人形机器人智能化发展的核心技术能力。
一、测评概述
1.1 测试目的
本测评旨在验证 Pi0 机器人视觉 - 语言 - 动作模型（Vision-Language-Action）在昇腾 Atlas 800I A2 NPU 平台上的推理性能、精度和功能完整性，评估其在机器人控制任务中的实际应用效果。
测评仓库参考：https://gitcode.com/cann/cann-recipes-embodied-intelligence.git
1.2 测试对象
- 模型名称：π0 Vision-Language-Action Flow Model
- 模型版本：Pi0 Model (基于 koch_test 数据集)
- 推理框架：PyTorch + torch_npu
二、环境搭建与验证
为了在昇腾平台上跑通 Pi0 模型，我们需要先准备好软硬件环境。这里整合了系统依赖、Python 环境配置以及 CANN 工具链的安装步骤。
2.1 硬件与操作系统
- 处理器：昇腾 Atlas 800I A2 NPU
- 操作系统：Linux (CentOS 7/8 或 Ubuntu 18.04/20.04)
2.2 软件环境配置
我们推荐使用 Conda 管理 Python 虚拟环境，避免依赖冲突。
1. 安装系统依赖 根据系统不同，执行以下命令安装必要的图形库：
# CentOS
yum install mesa-libGL -y
# Ubuntu
apt-get install libgl1-mesa-glx -y
2. 创建并激活 Conda 环境
conda create -y -n lerobot python=3.10
conda activate lerobot
3. 设置昇腾环境变量 加载 CANN 工具链的环境变量，确保 NPU 驱动能被识别：
source /usr/local/Ascend/ascend-toolkit/set_env.sh
4. 安装 PyTorch 与 torch_npu 安装适配 NPU 的 PyTorch 版本及加速库。注意国内用户建议配置 Hugging Face 镜像以加速模型下载：
pip install torch==2.1.0+cpu --index-url https://download.pytorch.org/whl/cpu
pip install torch_npu==2.1.0.post12 -i https://pypi.tuna.tsinghua.edu.cn/simple
export HF_ENDPOINT=https://hf-mirror.com
5. 安装 Lerobot 项目 克隆项目代码并安装依赖：
git https://gitcode.com/cann/cann-recipes-embodied-intelligence.git
cann-recipes-embodied-intelligence/manipulation/pi0/infer_with_torch
+x download_code_and_data.sh
./download_code_and_data.sh
lerobot
pip install -e .
pip install ml-dtypes
