具身开发者社区

外观

踩坑GitHub Physical-Intelligence/openpi1 个月前

Pi05 LoRA微调LIBERO成功率仅1%及norm_stats不一致排查 ​

针对Pi05模型LoRA微调LIBERO任务成功率极低问题，建议检查评估配置加载的norm_stats文件是否与微调数据split一致。

AI 整理
  • 仿真与训练
  • 具身模型

本文由 AI 根据公开内容整理，可能有误，请以原文为准：PI05 lora fine-tune on libero dataset & differences about the norm_stats（GitHub Physical-Intelligence/openpi #711）

状态：有绕过办法

问题 ​

使用Pi05 base模型对LIBERO数据集进行LoRA微调后，spatial task suite成功率仅为1%。同时发现使用_compute_norm_stats.py_计算的归一化统计量与官方checkpoint及HuggingFace数据集提供的数值存在显著差异。社区反馈LoRA默认仅微调部分action head可能导致性能不佳，且评估时若静默加载了错误split的stats文件会导致成功率下降。

环境 ​

模型：Pi05 base (gemma_2b_lora + gemma_300m_lora)；数据集：physical-intelligence/libero；框架：OpenPI；训练步数：120k；Batch size：64

解决办法 ​

  1. 在评估配置启动时打印实际加载的 norm-stats 文件路径，确认其与微调所用数据 split 严格一致，避免因静默加载错误统计文件导致推理失败。
  2. 审查 LoRA 微调配置，注意默认设置可能仅微调部分 action head，需根据任务需求调整 freeze_filter 或增加可训练参数范围以改善性能。
  3. 对比验证 _compute_norm_stats.py 计算逻辑与官方预处理流程，确保数据统计口径一致，排除因统计量偏差导致的动作空间映射错误。

讨论原作者：@xuych0826 等，版权归原作者所有。

来源

本页事实对应的公开页面，以原文为准。

  1. GitHub Physical-Intelligence/openpi #711：PI05 lora fine-tune on libero dataset & differences about the norm_stats访问 2026-10-26