真机推理部署

当前 KMD 真机链路由三个进程组成：机器人端运行 vlahost，GPU 服务器运行 OpenPI 策略服务器和推理客户端。机器人端只负责提供状态、相机画面和动作接口，不需要安装完整的 OpenPI 训练环境。

部署架构

机器人（ROS 2）                         GPU 服务器
┌─────────────────────┐  GET /state    ┌──────────────────────────┐
│ vlahost             │ ◄───────────── │ OpenPI 推理客户端         │
│ - 关节与末端状态     │  状态 + 图像    │ - 组装观测与语言指令      │
│ - 四宫格相机图像     │ ─────────────► │ - 调用策略服务器          │
│ - 动作话题发布       │  POST /action  │ - 下发关节动作            │
└─────────────────────┘ ◄───────────── └────────────┬─────────────┘
                                                    │ WebSocket
                                      ┌─────────────▼─────────────┐
                                      │ OpenPI 策略服务器          │
                                      │ 加载 checkpoint 并推理     │
                                      └───────────────────────────┘

数据接口

当前部署适配以下数据格式：

三路相机：cam_high、cam_left_wrist、cam_right_wrist。
16 维关节状态：[左臂 7 关节, 左夹爪, 右臂 7 关节, 右夹爪]。
16 维关节动作：维度和顺序与关节状态一致。
模型内部关节角使用角度制，机器人 ROS 反馈和动作使用弧度制，客户端负责单位转换。

vlahost 从四宫格图像中默认取用以下区域：

四宫格区域	模型相机字段
右上	`cam_left_wrist`
左下	`cam_right_wrist`
右下	`cam_high`
左上	忽略

如果实际相机排列不同，需要在推理客户端中调整映射或裁剪参数。

GET /state 响应

vlahost 将 ROS 2 话题中的最新状态和 JPEG 图像编码为 JSON：

{
  "stamp": 123456789,
  "joint_states": {
    "positions": ["14 joint values"],
    "velocities": ["14 joint values"],
    "efforts": ["14 joint values"],
    "est_joint_force": ["14 joint values"]
  },
  "eef_left": {
    "position": {"x": 0, "y": 0, "z": 0},
    "orientation": {"x": 0, "y": 0, "z": 0, "w": 1}
  },
  "eef_right": {
    "position": {"x": 0, "y": 0, "z": 0},
    "orientation": {"x": 0, "y": 0, "z": 0, "w": 1}
  },
  "quad_image": {"format": "jpeg", "data": "<base64>"}
}

POST /action 请求

EEF 控制请求格式：

{
  "eef_left": [0, 0, 0, 0, 0, 0],
  "eef_right": [0, 0, 0, 0, 0, 0],
  "gripper_left": 0.0,
  "gripper_right": 0.0
}

16 维关节空间 checkpoint 使用：

{
  "joint_actions": ["16 joint action values in radians"]
}

版本核对

当前 openpi-kmd 客户端会发送 joint_actions，两个项目的 README 也定义了该字段；但本次下载的 vlahost/vlahost/server.py 中 ActionRequest 仍只包含 EEF 与夹爪字段。正式使用 16 维关节动作前，请确认部署的 vlahost 版本已经实现 joint_actions 的解析和机器人控制话题发布。

1. 在机器人端安装 vlahost

机器人端需要 ROS 2、FastAPI，并能够收到机器人状态与相机话题：

git clone https://github.com/KLMmotion/vlahost.git
ln -s /path/to/vlahost ~/ros_ws/src/vlahost
cd ~/ros_ws
colcon build --packages-select vlahost
source install/setup.bash

vlahost 默认订阅：

话题	类型	内容
`/info/joint_feedback`	`marvin_msgs/Jointfeedback`	双臂关节反馈
`/info/eef_left`	`geometry_msgs/PoseStamped`	左末端位姿
`/info/eef_right`	`geometry_msgs/PoseStamped`	右末端位姿
`quad_tile/jpeg/compressed`	`sensor_msgs/CompressedImage`	四宫格相机 JPEG 图像

EEF 控制模式下，vlahost 默认发布：

话题	类型	内容
`/control/target_poseL_model`	`geometry_msgs/PoseStamped`	左末端目标位姿
`/control/target_poseR_model`	`geometry_msgs/PoseStamped`	右末端目标位姿
`control/gripperValueL`	`std_msgs/Float32`	左夹爪目标值
`control/gripperValueR`	`std_msgs/Float32`	右夹爪目标值
`control/eef_constraint`	`std_msgs/Int16MultiArray`	末端约束参数

2. 启动机器人端服务

source ~/ros_ws/install/setup.bash
ros2 launch vlahost vlahost_server.launch.py host:=0.0.0.0 port:=8000

服务提供以下 HTTP 接口：

接口	用途
`GET /`	浏览器调试页和实时相机预览
`GET /health`	服务健康检查
`GET /state`	获取关节、末端状态和四宫格图像
`POST /action`	下发 EEF 或 16 维关节动作

在 GPU 服务器或同一局域网内的电脑访问：

http://<ROBOT_HOST>:8000/health

返回正常后再启动策略服务器和推理客户端。

3. 启动策略服务器

GPU 服务器需准备训练完成的 checkpoint，并确认其中包含：

<checkpoint_step>/model.safetensors
<checkpoint_step>/assets/<asset_id>/norm_stats.json

从 openpi-kmd 根目录启动：

uv run scripts/serve_policy_kmd_joint.py \
  --checkpoint-dir /ABS/PATH/TO/CHECKPOINT_STEP \
  --repo-id <dataset_id> \
  --asset-id <asset_id> \
  --port 8000

--repo-id 和 --asset-id 通常填写训练数据集使用的 ID；--asset-id 必须与 checkpoint 中归一化统计目录一致。策略服务器监听 0.0.0.0:8000。

4. 启动推理客户端

在能够同时访问机器人端 vlahost 和策略服务器的 GPU 服务器上执行：

uv run python vla_helpers/openpi_client_policy_http_kmd_joint.py \
  --robot-server-url http://<ROBOT_HOST>:8000 \
  --policy-host localhost \
  --policy-port 8000 \
  --task-prompt "pick and place"

常用参数：

参数	说明
`--robot-server-url`	机器人端 `vlahost` 地址
`--robot-timeout-sec`	`/state` 和 `/action` 的 HTTP 超时时间
`--policy-host` / `--policy-port`	OpenPI 策略服务器地址
`--task-prompt`	发送给模型的自然语言任务指令
`--replan-steps`	每次预测的动作 chunk 中实际执行的步数
`--action-rate`	动作下发频率，单位 Hz
`--disable-action-post`	仅推理，不向机器人下发动作，首次联调建议启用
`--no-joints-in-radians`	仅当 `vlahost` 已输出角度制关节值时使用

5. 连通性测试

vlahost 提供轻量测试客户端，可在不启动模型时验证 HTTP 和相机链路：

cd /path/to/vlahost
python3 -m venv .venv
source .venv/bin/activate
pip install -r client_requirements.txt
python3 vlahost/client.py --server-url http://<ROBOT_HOST>:8000

需要查看四宫格相机画面时增加 --show-images：

python3 vlahost/client.py \
  --server-url http://<ROBOT_HOST>:8000 \
  --show-images

6. 启动顺序与检查清单

确认 checkpoint 步数目录包含 model.safetensors。
确认 assets/<asset_id>/norm_stats.json 存在。
启动机器人基础程序，确认关节反馈与四宫格相机话题正常。
启动机器人端 vlahost，确认 /health 和 /state 可访问。
启动 OpenPI 策略服务器，等待模型加载完成。
首次使用 --disable-action-post 启动推理客户端，核对相机顺序、状态维度和单位。
确认无误后允许客户端下发动作，并从低速、空旷环境开始测试。

常见问题

策略服务器启动后推理立即失败

检查 checkpoint 路径、model.safetensors、asset_id 和 norm_stats.json。还需确认 checkpoint 使用三路相机、16 维关节空间格式训练。

客户端无法获得机器人状态

检查 vlahost 是否运行、GET /state 是否返回 joint_states.positions，以及该数组是否包含预期的 14 个双臂关节值。

机器人动作方向或幅度异常

检查左右臂顺序、夹爪维度以及角度/弧度转换。默认顺序为 [左臂 7, 左夹爪, 右臂 7, 右夹爪]。

相机画面对应错误

检查 quad_image 四宫格排列，并按实际安装位置调整客户端中的相机映射和 --crop-*、--wrist-crop-* 参数。

项目参考

KLMmotion/openpi-kmd：KMD 关节空间策略服务器和真机推理客户端。
KLMmotion/vlahost：机器人 ROS 2 与远程 VLA 推理客户端之间的 HTTP 桥接服务。

部署架构​

数据接口​

GET /state 响应​

POST /action 请求​

1. 在机器人端安装 vlahost​

2. 启动机器人端服务​

3. 启动策略服务器​

4. 启动推理客户端​

5. 连通性测试​

6. 启动顺序与检查清单​

常见问题​

项目参考​