Topla, eğit, dene, başarısızlıktan öğren.

# π0.5'i kendi SO-101 verinle ince ayarla (LeRobot). NVIDIA GPU'lu bir Linux makinede.
pip install 'lerobot[pi]'
hf auth login        # önce google/paligemma-3b-pt-224 lisansını Hub'da kabul et

# π0.5 durum/eylem için çeyreklik (q01/q99) istatistik ister; eski veri setinde yeniden hesapla:
lerobot-edit-dataset --repo_id fport/so101-qc --new_repo_id fport/so101-qc \
  --operation.type recompute_stats --operation.overwrite true

# Az bellek: VLM donuk, yalnız eylem uzmanı eğitilir (24–48 GB GPU'da dene)
lerobot-train \
  --dataset.repo_id=fport/so101-qc \
  --policy.type=pi05 \
  --policy.pretrained_path=lerobot/pi05_base \
  --policy.freeze_vision_encoder=true \
  --policy.train_expert_only=true \
  --policy.gradient_checkpointing=true \
  --policy.dtype=bfloat16 \
  --policy.device=cuda \
  --policy.n_action_steps=10 \
  --batch_size=16 --steps=20000 --save_freq=5000 \
  --output_dir=outputs/train/pi05-v0 --job_name=pi05-v0 \
  --policy.repo_id=fport/so101-qc-pi05-v0 --policy.private=true

# Sonra: ACT v0 ile aynı 30 denemelik değerlendirme planında karşılaştır.
# Kamera adların farklıysa --rename_map; bayraklar LeRobot sürümüne göre değişebilir (lerobot-train --help).

# real-time chunking'i hisset: politikaya yapay gecikme ekle, başarıyı ölç
# flywheel-robot'un değerlendirme döngüsünde, her çıkarımdan önce:
import time, random

def infer_with_latency(policy, obs, ms):
    time.sleep(ms / 1000 * random.uniform(0.8, 1.2))  # bulut / yavaş GPU taklidi
    return policy.select_action(obs)

# 0, 50, 150, 300 ms için 30'ar deneme: başarı oranı ve titreme (eylem farkı) tablosu.
# Sonra: n_action_steps'i büyüt (daha uzun parça yürüt) ve aynı tabloyu tekrar çıkar.