简介:面向具身智能平台工程师,给出大规模并行仿真与评测平台的部署步骤。文中包含显存并行度估算方法、组件与端口清单、benchmark接入方式、off-policy数据流验证和常见故障排查命令。按清单逐项核对,可减少上线返工,并明确平台覆盖的评测范围与仍需真机验证的部分。
本文适用于需要批量生成仿真数据,并在统一 benchmark 下比较 on-policy 与 off-policy 算法的团队。文中的版本号、端口和路径均为示例,实际部署时需以所选仿真引擎的发布说明和团队的基础设施为准。
平台覆盖五类评测:纯仿真操作任务、sim-to-real 代理评测、物理条件扰动下的鲁棒性评测、灵巧手与接触丰富操作评测,以及基于世界模型的策略评估。世界模型评测只能提供快速筛选的参考,最终结论仍需以仿真或真机结果为准。
并行环境数量主要受 GPU 显存限制。第一版估算可使用以下公式:
N = floor(G × (1 − r) / m)
其中 G 为单卡显存(GB),r 为预留比例(建议取 0.15 至 0.2,用于渲染缓存和突发峰值),m 为单个仿真环境的平均显存占用(GB)。m 必须通过实测得到:依次启动 1、4、16 个环境,记录 nvidia-smi 中的显存增量,再对数据做线性拟合,取斜率作为 m。
示例:单卡显存 80 GB,r 取 0.2,实测 m 为 0.35 GB,则 N ≈ floor(80 × 0.8 / 0.35) = 182。正式上线时,应取估算值的 70% 至 80% 作为起始并行数,再逐步加压。
CPU 与内存按每个仿真环境占用 1 个逻辑核、约 2 GB 内存进行初始估算。另外为调度进程和数据预处理各保留 16 核与 32 GB 内存。
| 组件 | 建议最低配置 | 主要依赖 | 端口(示例) | 数据路径(示例) | 核心监控指标 |
|---|---|---|---|---|---|
| 仿真引擎节点 | 1 块 24 GB 以上 GPU,16 核 CPU,64 GB 内存 | 容器运行时、GPU 驱动、物理引擎 | 5555(控制通道) | /data/assets(只读) | 显存占用、帧率、单步耗时 |
| 调度中心 | 4 核,8 GB 内存 | 消息队列 | 8080(API) | /data/jobs | 队列积压、任务失败率 |
| 算法训练端 | 按模型规模确定,至少 1 块 GPU | 训练框架、RDMA 或 VPC 内网 | 6000 至 6010(数据流) | /data/replay | 采样延迟、回放池水位 |
| 分布式存储 | 按轨迹规模确定 | NFS 或对象存储网关 | 2049(NFS) | /data/traj、/data/ckpt | 读写吞吐、剩余容量 |
| 监控服务 | 2 核,4 GB 内存 | 指标采集代理 | 9090 | /data/logs | 节点存活状态、告警次数 |
nvidia-smi 确认驱动版本和显卡型号,执行 docker info | grep -i runtime 确认 nvidia 运行时已注册。