123pyLeo/a2a-migration

迁移包 — 下载后怎么还原

打包于 2026-08-30。总计 6.4 GB。 完整的背景、结论、坑清单在同目录的 MIGRATION_TO_NEW_SERVER.md —— 先读那个。

---

包里有什么

文件	体积	内容	必要性
code/A2A_Flow_Matching_code.tgz	99 MB	A2A 仓库代码,含我们的 9 处上游 bug 修复 + ours 策略	必须
code/TurboVLA_code.tgz	20 MB	TurboVLA 代码 + 全部工具脚本	必须
data/stack_cube_zarr_100demo.tgz	671 MB	stack_cube 100 条演示的训练数据	建议(重建约 3 分钟)
data/takeitback_1k_npz.tgz	2.0 GB	TakeItBack 自采 1000 集原始数据	可选(重采约 1 小时)
data/tib_1k_lerobot.tgz	90 MB	上面那批转成评测用格式	可选
data/tib_oracle_7dof.tgz	34 MB	7 维动作的 TakeItBack oracle(官方发布的是 8 维,VLA 环境用不了)	可选(重训 11 分钟)
data/tib_eval_states_375.tgz	280 KB	375 个评测状态 + 真种子表	可选(重算约 15 分钟)
ckpt/stack_cube_200ep_{fm_unet,vita,a2a,ours}.ckpt	3.5 GB	四条臂 200 轮训好的模型	建议(重训 2h40m)
CHECKSUMS.md5	—	下载后核对用(校验加密后的文件)

⚠️ 全部 .tgz / .ckpt 都已用 AES-256 加密, 文件名带 .enc。密码单独给。两份 .md 未加密。

只想最快跑起来:下 code/ + ckpt/ + data/stack_cube_zarr_100demo.tgz,约 4.3 GB, 其余 TakeItBack 相关的都可以先不下。

---

还原步骤

第 0 步 — 先解密(所有 .tgz / .ckpt 都是加密的)

md5sum -c CHECKSUMS.md5        # 先核对下载完整性(校验的是加密后的文件)

# 密码通过其它渠道单独给你, 不在这个仓库里
find . -name '*.enc' | while read f; do
  openssl enc -d -aes-256-cbc -pbkdf2 -iter 200000 -in "$f" -out "${f%.enc}" && rm "$f"
done

⚠️ -pbkdf2 -iter 200000 必须原样照抄, 少一个参数就解不开。 加密端用的是 OpenSSL 1.1.1f, 新机器上的 3.x 可以正常解。

# 1. 代码(假设放到 $ROOT)
ROOT=/your/path
mkdir -p $ROOT && cd $ROOT
tar xzf /path/to/code/A2A_Flow_Matching_code.tgz
tar xzf /path/to/code/TurboVLA_code.tgz

# 2. MIKASA-Robo(没打包, 直接 clone; 我们对它零改动)
cd $ROOT && git clone https://github.com/CognitiveAISystems/MIKASA-Robo.git
cd MIKASA-Robo && git checkout 509b875     # 我们用的那个 commit

# 3. stack_cube 训练数据
mkdir -p $ROOT/A2A_Flow_Matching/data_policy
tar xzf /path/to/data/stack_cube_zarr_100demo.tgz -C $ROOT/A2A_Flow_Matching/data_policy

# 4. 四条臂的 checkpoint
for p in fm_unet vita a2a ours; do
  mkdir -p $ROOT/A2A_Flow_Matching/il_outputs/$p/stack_cube/checkpoints
  cp /path/to/ckpt/stack_cube_200ep_$p.ckpt \
     $ROOT/A2A_Flow_Matching/il_outputs/$p/stack_cube/checkpoints/200.ckpt
done

# 5.(可选)TakeItBack 相关
mkdir -p $ROOT/mikasa_data/collected
tar xzf /path/to/data/takeitback_1k_npz.tgz -C $ROOT/mikasa_data/collected
tar xzf /path/to/data/tib_1k_lerobot.tgz    -C $ROOT/mikasa_data
tar xzf /path/to/data/tib_oracle_7dof.tgz   -C $ROOT/mikasa_data
mkdir -p $ROOT/A2A_Flow_Matching/experiments/latent_action_vae_v2/outputs
tar xzf /path/to/data/tib_eval_states_375.tgz \
   -C $ROOT/A2A_Flow_Matching/experiments/latent_action_vae_v2/outputs

# 6. RoboVerse 的机器人/物体资产(没打包, 首次运行会自动从 HuggingFace 下载)
#    如果新机器连 huggingface.co 慢, 用镜像:
export HF_ENDPOINT=https://hf-mirror.com

⚠️ 脚本里的绝对路径要改

打包里的实验脚本(run_*.sh)写死了 /ai/data/lintao/...。批量替换:

cd $ROOT
grep -rl "/ai/data/lintao" --include='*.sh' --include='*.py' . \
  | xargs sed -i "s|/ai/data/lintao|$ROOT|g"

⚠️ 虚拟环境不要搬,必须重建

旧机器是 glibc 2.31,新机器是 2.35+,二进制不兼容。 按 A2A_Flow_Matching/ENV_RECIPE_ROBOVERSE.md 重建,其中 mujoco/dm_control 那个版本坑 一定要按文档里的做法(让 pip 自己解),手工指定版本会一直错开,在旧机器上花了一小时。

还原后先做冒烟测试

见 MIGRATION_TO_NEW_SERVER.md 的 §2 步骤 4,三步,每步有"不过就停"的判据。 最关键的一步是 扰动等级 1 能不能跑起来 —— 那是这次迁移的全部理由。

---

没有打包的东西(在新机器上重新获取)

内容	怎么拿
MIKASA-Robo 仓库	GitHub clone(见上,commit 509b875)
DINOv3 / BERT 预训练权重	HuggingFace 下载(facebook/dinov3-vitb16 / bert-base-uncased),原目录 4.1 GB
RoboVerse 资产与轨迹	首次运行自动下载,约 64 MB
IsaacSim / Isaac Lab	pip install isaacsim[all] --extra-index-url https://pypi.nvidia.com
旧的 700 GB 中间产物	故意不搬,结论已沉淀在 MIGRATION_TO_NEW_SERVER.md