给 VLA 喂饭：在 AMD ROCm 上用 OpenArm 生成抓取专家轨迹

Tue, 30 Jun 2026 00:00:00 +0000

📖 本文为精简版（~3 分钟）。想深入完整工程细节（设计决策、算法 / reward、诊断、复现命令），请移步 技术详解版 →

概要

VLA（Vision-Language-Action）模型很能吃数据，而真机采集又贵又慢。我们换个思路：在 AMD Instinct MI300X + ROCm 平台上，用 openarm_mp_labs 把 OpenArm 的「抓-放」动作变成一台 sim 内的专家轨迹数据引擎——给定物体和抓取位姿，自动解出一条平滑、物理可行、亚毫米精度的示范轨迹，可批量复现。

两个关键结果：

用 Cartesian 路点 + mink IK，把抓取拆成 approach→descend→close→lift→transport→place→retreat→home，末端 IK 误差 0.4–0.9 mm，cube/ginger 物理仿真抬升 112–120 mm。
抓取位姿既能是标定 top-down，也能直接吃 GraspGenX 的 6-DOF 抓取（在 AMD ROCm 上、为 OpenArm 夹爪生成）——多物体 × 多抓取 = 给 VLA 的多样化示范。

cube 抓-放回放：从简单方块起步

实践环境

硬件：AMD Instinct MI300X
平台：ROCm 7.2——容器内实测 torch 2.7.1+rocm7.2、hip 7.2.26015
主项目：openarm_mp_labs（轨迹生成 + MuJoCo 回放）
依赖：openarm_control（IK）、 openarm_mujoco（模型）、 GraspGenX（6-DOF 抓取）、 Scan2Sim（真实扫描件转 sim 资产）

轨迹生成 + MuJoCo 是 CPU 计算；GPU/ROCm 的价值在 GraspGenX 抓取合成与下游 VLA 训练。

VLA on rocPAI-Forge

给 VLA 喂饭：在 AMD ROCm 上用 OpenArm 生成抓取专家轨迹

概要

实践环境