Kuavo 仿真任务说明

本节描述 Kuavo 仿真任务（sim_task1 / sim_task2 等）在数据采集、训练与部署中的角色，以及任务命名、配置与评估流程的对应关系。

1. 概述

Kuavo 仿真任务指在 Kuavo-Sim 仿真环境中定义的操作场景。同一任务名称会出现在：

数据集：转换后的 LeRobot 数据集常以 sim_taskX_lerobot 作为 repo_id，数据目录如 sim_task2_lerobot/lerobot；
训练配置：YAML 或命令行中的 task、method，以及输出目录 outputs/train/<task>/<method>/<timestamp>；
部署配置：configs/deploy/kuavo_env.yaml 中的 inference.task、inference.method、inference.timestamp、inference.epoch，用于定位要加载的检查点；
评估流程：仿真器通过 ROS 服务（如 /simulator/reset、/simulator/start、/simulator/success）与脚本配合，执行多回合自动测试（auto_test）。

环境名 env_name: Kuavo-Sim 表示仿真；真机为 Kuavo-Real。观测与动作接口（多视角 RGB/深度、关节状态、动作维度）在仿真与真机间保持一致，便于同一策略在仿真验证后迁移到真机。

定位：相对简单的仿真场景，常用于算法验证与 smoke test。
任务目标：简单抓取 / 放置等基础操作。
数据特点：轨迹较短，场景相对简单。
在配置中的用法：
数据集：repo_id 可为 sim_task1_lerobot，root 指向对应 lerobot 目录；
训练：task: "sim_task1"，输出目录示例 outputs/train/sim_task1/pi0_rgb/...；
部署：inference.task: "sim_task1"，inference.method 与 timestamp、epoch 对应上述训练产出。

定位：更复杂的流水线操作，适合评估大型策略（如 PI0、PI05）的整体性能。
任务目标：抓取 → 称重 → 分拣等多步骤操作。
数据特点：多相机视角（head_cam_h、wrist_cam_l、wrist_cam_r），可选深度（depth_h、depth_l、depth_r）；轨迹与场景更复杂。
在配置中的用法：
数据集：repo_id 常为 sim_task2_lerobot，如快速开始中的示例；
训练：task: "sim_task2"，output_dir=./outputs/train/sim_task2/pi05_rgb；
部署：configs/deploy/kuavo_env.yaml 中默认示例为 task: "sim_task2"、method: "pi05_rgb"，配合 timestamp、epoch 指定 run 与检查点。

若赛事或内部约定中引入更多任务（如 sim_task3、sim_task4），其用法与上述一致：用 task 区分场景，用 method 区分策略或训练配置，用 repo_id/root 指向对应数据集。

仿真环境通过 ROS 话题发布与训练阶段一致的观测：

RGB 图像：如 /cam_h/color/image_raw/compressed、/cam_l/...、/cam_r/...，对应 LeRobot 中的 observation.images.head_cam_h、observation.images.wrist_cam_l、observation.images.wrist_cam_r；
深度图像（可选）：如 /cam_*/depth/.../compressedDepth，对应 observation.depth_h、observation.depth_l、observation.depth_r；
状态：关节与夹爪状态（如 /sensors_data_raw、/gripper/state），对应 observation.state。

部署配置中的 env.obs_key_map、env.image_size、env.depth_range 等需与训练时使用的特征一致。数据集格式详见 LeRobot v4.3 数据集说明。

环境名称：configs/deploy/kuavo_env.yaml 中 env.env_name: Kuavo-Sim；
推理配置：inference 下的 policy_type、task、method、timestamp、epoch、max_episode_steps、eval_episodes、seed 等。

若使用非默认输出目录的检查点，可设置 inference.checkpoint_run_dir 与 inference.epoch，详见仿真自动测试。

入口：python kuavo_deploy/src/scripts/script_auto_test.py --task auto_test --config configs/deploy/kuavo_env.yaml；
流程：加载配置 → 根据 task/method/timestamp/epoch 或 checkpoint_run_dir 加载策略 → 创建 Kuavo-Sim 环境 → 循环执行 eval_episodes 个 episode；每轮调用仿真器 reset、start，通过 /simulator/success 等判定成功与否；
结果：成功次数、日志与可选保存的观测/轨迹，用于比赛打分或离线分析。

用途	典型字段 / 位置	示例值
数据集标识	`dataset.repo_id` / 数据根目录名	`sim_task2_lerobot`
数据集路径	`dataset.root`	`/path/to/sim_task2_lerobot/lerobot`
训练任务名	配置中 `task`、`--output_dir` 路径	`sim_task2`
训练方法名	配置中 `method`、输出子目录	`pi05_rgb`
部署任务名	`inference.task`	`sim_task2`
部署方法名	`inference.method`	`pi05_rgb`
部署 run	`inference.timestamp` 或 `checkpoint_run_dir`	`run_20260127_011739`
部署检查点	`inference.epoch`	`3` 或 `best`
仿真环境名	`env.env_name`	`Kuavo-Sim`

实际任务定义、物体布局与成功判定由仿真器内部实现；本仓库负责数据格式、训练脚本与部署脚本的对接。更多细节请参考：