# Unitree G1真机评测策略失效仅做微小重复动作的排查方法

> 原文链接：https://robotics.hellobike.com/pitfalls/2025-07-10-unitree-il-lerobot-20
> 频道：pitfalls | 更新日期：2025-07-10 | 标签：auto, github-issue, unitree_il_lerobot
> 核心摘要：G1真机运行ACT策略时机械臂仅做微小循环动作，需通过对比数据集与模型预测动作差异来定位是算法欠拟合还是硬件故障。

# Unitree G1真机评测策略失效仅做微小重复动作的排查方法

::: v-pre
> 本文由 AI 根据公开内容整理，可能有误，请以原文为准：[Real World Testing is Not Working](https://github.com/unitreerobotics/unitree_lerobot/issues/20)（GitHub unitreerobotics/unitree_il_lerobot #20）

**状态**：有绕过办法

## 问题

使用 `eval_g1.py` 在 Unitree G1 上评估 ACT 策略（包括官方 `G1_BlockStacking_Dataset` 及自采数据）时，机器人无法执行抓取任务，表现为初始轻微抬臂后陷入原地微小重复运动循环。已确认头腕相机输入正常、目标可见且光照良好，重新采集约100条数据训练后问题依旧，多位用户反馈相同现象。

## 环境

机型：unitree-g1；框架：unitree_il_lerobot；算法：ACT；采集工具：avp_teleop；评测脚本：`unitree_lerobot/eval_robot/eval_g1/eval_g1.py`；数据规模：自采约100 episodes。

## 解决办法

1. 检查训练数据分布，确保覆盖不同位置场景并增加数据多样性，避免单一环境导致泛化性差。
2. 将训练轮数调整至约 50 epochs，防止欠拟合导致策略输出无效动作。
3. 验证推理阶段输入数据预处理流程与训练阶段严格一致，排除输入分布偏移。
4. 利用代码中数据集加载模块对比真实标签与模型预测动作，若两者数值接近但真机仍异常，则判定为机械臂硬件或底层控制问题而非算法问题。
5. 若预测动作与数据集标签差异显著，则继续优化数据采集质量或调整模型超参数。

讨论原作者：@HarunEnsar 等，版权归原作者所有。
:::

## 原始参考来源 (Sources)

- [GitHub unitreerobotics/unitree_il_lerobot #20：Real World Testing is Not Working](https://github.com/unitreerobotics/unitree_lerobot/issues/20)