Pi0机器人VLA大模型在昇腾A2平台上的测评

Pi0机器人VLA大模型在昇腾A2平台上的测评文档

• 写在最前面

🌈你好呀！我是 是Yu欸🚀 感谢你的陪伴与支持~ 欢迎添加文末好友🌌 在所有感兴趣的领域扩展知识，不定期掉落福利资讯(*^▽^*)

写在最前面

版权声明：本文为原创，遵循 CC 4.0 BY-SA 协议。转载请注明出处。

随着人工智能技术的持续神户以及人形机器人产业的快速发展，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，国产化算力代替需求不断攀升，本文基于国产化适配的 Pi0机器 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。国产算力在人形机器人领域的应用场景广阔，正加速迈向自主可控、高效可靠的全新阶段。

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：https://gitcode.com/cann/cann-recipes-embodied-intelligence.git

1.2 测试环境

硬件配置

处理器：昇腾Atlas 800I A2 NPU

操作系统：Linux

软件配置

1.3 测试对象

模型名称：π0 Vision-Language-Action Flow Model

模型版本：Pi0 Model (来自koch_test数据集)

推理框架：PyTorch + torch_npu

二、环境配置验证

2.1 环境配置步骤验证

步骤1：创建并激活环境

conda create -y -n lerobot python=3.10 conda activate lerobot 

验证结果：✓ 环境创建成功

步骤2：安装lerobot

cd lerobot pip install -e .

验证结果：✓ 安装成功，无报错

步骤3：配置昇腾环境

source /xxxx/ascend-toolkit/setenv.bash pip install torch-npu==2.1.0.post12 

验证结果：✓ 环境变量设置成功，torch_npu安装成功

步骤4：验证环境

import torch import torch_npu print(f"PyTorch版本: {torch.__version__}") print(f"torch_npu版本: {torch_npu.__version__}") print(f"NPU可用性: {torch_npu.npu.is_available()}")

预期输出：

PyTorch版本: 2.1.0 torch_npu版本: 2.1.0.post12 NPU可用性: True 

三、推理性能测试

3.1 测试方法

使用标准化测试脚本进行批量推理，统计平均推理延迟和吞吐量。

3.2 测试命令

./run_pi0_inference.sh koch_test pi0_model 10100

参数说明：

koch_test：测试数据集

pi0_model：模型名称

10：批处理大小

100：推理步数

3.3 性能测试结果

3.3.1 推理延迟

3.3.2 吞吐量计算

单次推理时间：65.131 ms

推理频率：1000 / 65.131 ≈ 15.35 Hz

批处理吞吐量：10 × 15.35 = 153.5 样本/秒

3.4 性能达标评估

目标性能：单次推理时间 ≤ 80 ms

实际性能：65.131 m

达标率：100% (优于目标18.6%)

四、推理精度测试

4.1 精度测试方法

采用ATE（绝对轨迹误差）方法评估机械臂末端执行器的位姿精度：

4.1.1 测试步骤

固定噪声采样：加载固定的高斯噪声文件，确保推理条件一致

轨迹生成：Pi0模型生成50组关节角度序列（50×6）

正运动学计算：基于Koch机械臂DH参数计算末端位姿

误差计算：使用ATE方法计算位置和姿态误差

4.1.2 计算公式

位置误差： E p o s = ( x − x ′ ) 2 + ( y − y ′ ) 2 + ( z − z ′ ) 2 E_{pos} = \sqrt{(x-x')^2 + (y-y')^2 + (z-z')^2} Epos​=(x−x′)2+(y−y′)2+(z−z′)2​

姿态误差： E r o t = ∣ log ⁡ ( R T R ′ ) ∣ F E{rot} = | \log(R^T R') |F Erot=∣log(RTR′)∣F

ATE误差： ATE = 1 N ∑ i = 1 N ∣ p i − p i ′ ∣ 2 \text{ATE} = \sqrt{\frac{1}{N}\sum_{i=1}^{N}|p_i - p_i'|^2} ATE=N1​∑i=1N​∣pi​−pi′​∣2​

4.2 精度测试结果

4.2.1 位置误差测试

4.2.2 姿态误差测试

4.3 精度达标评估

4.4 推理输出验证

推理输出示例：

[INFO]2026-01-07 11:14:11 test_pi0_on_ascend.py:160 - Selected action sequences: [[18.217943112.08968146.8191230.403833 -103.102005 26.692024]]

输出解析：

输出形状：(100, 50, 1, 6)

100：推理步数

50：时间步长

1：批处理大小

6：关节数（6自由度机械臂）

动作序列：包含50组6维关节角度值

五、功能完整性测试

5.1 核心功能验证

5.2 异常处理测试

5.3 警告信息分析

测试过程中出现的警告信息：

数据类型警告：

[W TolkernelNpu.cpp:164] Warning: Device do not support double dtype now, dtype cast replace with float. 

分析：NPU当前不支持double类型，自动转换为float类型，不影响功能。

参数冻结警告：

UserWarning: When enable frozen_parameter, Parameters will be considered frozen... 

分析：torch_npu的优化机制提示，属于正常优化过程。

结论：所有警告均为非致命性提示，不影响模型功能和精度。

六、兼容性测试

6.1 框架兼容性

6.2 算子支持度

七、综合评估

7.1 性能评估总结

7.2 关键性能指标(KPI)达成情况

7.3 优化建议

内存优化：进一步优化模型内存占用，支持更大批处理

预热机制：添加模型预热步骤，减少首次推理延迟

动态批处理：实现动态批处理大小调整

量化部署：探索INT8量化，进一步提升推理速度

八、附录

8.1 测试脚本

#!/bin/bash# run_pi0_inference.sh#!/bin/bashdataset=$1model=$2batch_size=$3num_steps=$4echo"开始Pi0模型推理测试..."echo"数据集: $dataset"echo"模型: $model"echo"批处理大小: $batch_size"echo"推理步数: $num_steps" python test_pi0_on_ascend.py \ --dataset $dataset\ --model $model\ --batch_size $batch_size\ --num_steps $num_steps\ --device "npu:0"

8.2 参考文献

1.

Pi0论文：π0: A Vision-Language-Action Flow Model for General Robot Control

CANN开发文档：昇腾计算架构官方文档

torch_npu用户指南：昇腾NPU PyTorch适配库文档

2.

Pi0模型在昇腾环境部署文档

一、环境要求

硬件环境

昇腾NPU设备

CPU架构：x86_64或arm64

软件环境

操作系统：CentOS 7/8或Ubuntu 18.04/20.04

Python版本：3.11.13

CANN版本：7.0.0或以上

PyTorch版本：2.1.0（适配NPU）

二、环境准备

1. 安装系统依赖

# 安装必要的系统库 yum install mesa-libGL -y # CentOS# 或apt-getinstall libgl1-mesa-glx # Ubuntu

2. 设置Python环境

# 设置Python路径（根据实际安装路径调整）exportPYTHONPATH=/usr/local/Ascend/ascend-toolkit/latest/python/site-packages:/usr/local/Ascend/ascend-toolkit/latest/opp/built-in/op_impl/ai_core/tbe:/usr/local/python3.11.13/lib/python3.11/site-packages 

3. 设置Hugging Face镜像（国内用户）

# 配置Hugging Face镜像加速下载exportHF_ENDPOINT=https://hf-mirror.com exportHF_TOKEN=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 

4. 设置昇腾环境变量

# 加载CANN环境变量source /usr/local/Ascend/ascend-toolkit/set_env.sh 

三、安装步骤

1. 安装PyTorch和torch_npu

# 安装适配NPU的PyTorch版本 pip installtorch==2.1.0+cpu --index-url https://download.pytorch.org/whl/cpu pip installtorch_npu==2.1.0.post17 -i https://pypi.tuna.tsinghua.edu.cn/simple 

2. 克隆项目代码

# 克隆CANN Recipes项目git clone https://gitcode.com/cann/cann-recipes-embodied-intelligence.git cd cann-recipes-embodied-intelligence/ cd manipulation/pi0/infer_with_torch/ # 下载代码和数据chmod +x download_code_and_data.sh ./download_code_and_data.sh 

3. 复制项目文件

# 复制lerobot项目到工作目录cp -r /data/cann-recipes-embodied-intelligence/manipulation/pi0/infer_with_torch/lerobot ./ cd lerobot 

4. 安装Python依赖

# 安装lerobot项目依赖 pip install -e . pip install ml-dtypes 

5. 验证安装

# 验证PyTorch和torch_npu安装 python3 -c "import torch; import torch_npu; print('PyTorch版本:', torch.__version__); print('torch_npu版本:', torch_npu.__version__)"

四、运行推理

1. 准备推理脚本

确保test_pi0_on_ascend.py文件存在，内容包含以下关键部分：

import torch import torch_npu from lerobot.scripts.pi0_policy import main # NPU设备配置 device = torch.device("npu:0"if torch_npu.npu.is_available()else"cpu") torch.npu.set_device(device)

2. 运行推理

# 添加执行权限chmod +x run_pi0_inference.sh # 运行推理脚本 ./run_pi0_inference.sh koch_test pi0_model 10100# 或使用Hugging Face数据集 ./run_pi0_inference.sh danaaubakirova/koch_test pi0_model 10100

五、参数说明

六、故障排除

1. 下载失败问题

# 检查网络连接ping hf-mirror.com # 检查Hugging Face配置echo$HF_ENDPOINTecho$HF_TOKEN

2. NPU设备不可用

# 检查NPU设备状态 npu-smi info # 检查torch_npu安装 python3 -c "import torch_npu; print(torch_npu.npu.is_available())"

3. 依赖库缺失

# 重新安装依赖 pip install --force-reinstall torch_npu==2.1.0.post17 pip install --force-reinstall -e .

CANN（Compute Architecture for Neural Networks）是华为针对AI场景推出的异构计算架构，对上支持多种AI框架，对下服务AI处理器与编程，发挥承上启下的关键作用，是提升昇腾AI处理器计算效率的关键平台。

欢迎到CANN开源社区了解更多！

hello，我是 是Yu欸 。如果你喜欢我的文章，欢迎三连给我鼓励和支持：👍点赞 📁 关注 💬评论，我会给大家带来更多有用有趣的文章。
原文链接 👉 ，⚡️更新更及时。

欢迎大家点开下面名片，添加好友交流。