Psi0开发环境搭建指南：uv + Docker双路径配置清单，从零到跑通只需3步-迪斯科星球

Psi0开发环境搭建指南：uv + Docker双路径配置清单，从零到跑通只需3步

【免费下载链接】Psi0[RSS'26] Welcome to Psi-Zero, a Humanoid VLA towards Universal Humanoid Intelligence.项目地址: https://gitcode.com/gh_mirrors/ps/Psi0

Psi0（Ψ₀）是一个开源的人形机器人视觉-语言-动作（VLA）基础模型，让 Unitree G1 等人形机器人完成灵巧 loco-manipulation 任务。本文将从零带你完成Psi0 开发环境搭建：一条uv本地虚拟环境路径，一条Docker预构建镜像路径，全程只需 3 步，即可跑通训练、微调与推理服务。

🔍 开始前：Psi0 环境里装了什么

Psi0 由预训练 VLM 骨干（System-2，基于 Qwen3-VL-2B）+ 扩散动作专家（System-1，约 500M 参数）组成。环境的核心依赖就围绕这套模型：Python 3.11 + PyTorch 2.7.0 + flash-attn + Qwen3-VL 处理器，全部锁定在 pyproject.toml 和 uv.lock 中：

📋 环境要求清单

项目	要求	说明
Python	3.11（严格锁定）	pyproject.toml 中`requires-python ==3.11.*`
依赖管理器	uv	统一管理 Psi0 与全部 baselines 的环境
GPU	NVIDIA GPU（A100/4090/H100 等）	需支持对应 compute capability
CUDA	12.9 基础镜像	与 torch 2.7.0 + flash-attn 轮子匹配
磁盘	≥ 10GB 余量	venv 约 9GB，另需缓存数据/权重

💡 依赖版本全部由 uv.lock 锁定，uv sync会自动解析，无需手动逐条安装。

第一步：克隆 Psi0 仓库并配置`.env`

git clone https://gitcode.com/gh_mirrors/ps/Psi0 cd Psi0 cp .env.sample .env

编辑 .env.sample 生成的.env，重点改这几项（会被dotenv自动加载）：

变量	作用
`HF_TOKEN`	下载模型权重 / 数据集的 HuggingFace 读 token
`PSI_HOME`	权重、缓存、数据的统一根目录（如`/hfm`）
`WANDB_API_KEY`/`WANDB_ENTITY`	训练日志上报（可留空跳过）

🌏 国内网络可取消注释HF_ENDPOINT=https://hf-mirror.com走镜像。

第二步：uv 路径 —— 3 条命令建好 Psi0 虚拟环境

① 安装 uv（已装可跳过）：

curl -LsSf https://astral.sh/uv/install.sh | sh

② 创建 Python 3.11 虚拟环境：

uv venv .venv-psi --python 3.11 source .venv-psi/bin/activate

③ 一键同步 Psi0 依赖（serve推理服务 +viz可视化 +psi训练核心）：

GIT_LFS_SKIP_SMUDGE=1 uv sync \ --group serve \ --group viz \ --group psi \ --index-strategy unsafe-best-match \ --active

④ 补装 flash-attn 并验证安装（PyPI 上只有源码包，直接装预构建轮子）：

uv pip install flash_attn==2.7.4.post1 --no-build-isolation # 应打印版本号，说明 psi 可正常导入 python -c "import psi;print(psi.__version__);" # 验证共享的 lerobot 数据栈 python -c "from psi.data.lerobot.compat import LEROBOT_LAYOUT; print(LEROBOT_LAYOUT)"

📦 Psi0 与所有基线（GR00T、π0.5、ACT、DP 等）通过uv共享同一份 src/ 代码，各基线维护独立环境。详见 baselines/README.md。

第三步：Docker 路径 —— 免配置直接用官方镜像

如果你不想在本地装 Python 依赖，Psi0 官方提供只含依赖的预构建镜像（Python 3.11 + torch 2.7 cu12 + flash-attn，环境位于/workspace/.venv-psi），源码通过 bind mount 挂入，改代码只需重启容器、无需重建。

① 拉取镜像并重命名 tag（docker-compose.yml按psi:train找镜像，重命名是必须的）：

docker pull ghcr.io/physical-superintelligence-lab/psi0:latest docker tag ghcr.io/physical-superintelligence-lab/psi0:latest psi:train

📌 也可用日期 tag（如:260830）固定到具体构建版本。

② 一行命令拉起 Ψ₀ 推理服务（docker-compose.yml 中所有参数均可用.env或环境变量覆盖，如PORT、RUN、CKPT_STEP、RTC_FLAG、GPUS）：

docker compose up serve-psi0-sonic-http # 查看服务自身的完整参数列表 docker compose run --rm serve-psi0-sonic-http --help

③（可选）自行构建镜像：

docker compose build psi # 等价于：docker build -f scripts/train/Dockerfile -t psi:train .

镜像构建逻辑在 scripts/train/Dockerfile，集群 / enroot 用法见 scripts/train/README.md。

🛠️ 常见问题速查（官方 Troubleshooting）

报错症状	快速解法
`stack(): ... not Column`（lerobot 加载失败）	`uv sync --group psi --active`重新同步环境
编译`evdev`报`Python.h: No such file`	`sudo apt install -y python3-dev build-essential linux-headers-$(uname -r)`
`Could not load libtorchcodec`	`sudo apt-get install ffmpeg`
`wandb`导入报`Deprecated`错误	重装`wandb==0.18.0`
5090 / RTX 6000 等新 GPU 报`sm_120`	升级到 cu128 版 torch + flash-attn
拉取 lerobot 时 git-lfs 卡住失败	加`GIT_LFS_SKIP_SMUDGE=1`再`uv sync`

完整说明见 README.md 的 Troubleshootings 章节。

🚀 环境跑通后的下一步

微调训练：准备 LeRobot 格式数据后，执行 scripts/train/psi0/finetune-real-psi0.sh，数据转换脚本见 scripts/data/raw_to_lerobot.py
Open-Loop 评估：加载训练集跑推理，参考 examples/simple/openloop_eval.py
下载官方 checkpoint：scripts/data/download.py
完整上手文档：examples/quick_start/psi.md
SONIC 全身控制：见 real/SONIC/README.md

到这里，Psi0 的开发环境就已就绪：uv路径适合本地工作站训练与调试，Docker路径适合服务器一键起服务——两条路径任选其一，3 步即可跑通。

【免费下载链接】Psi0[RSS'26] Welcome to Psi-Zero, a Humanoid VLA towards Universal Humanoid Intelligence.项目地址: https://gitcode.com/gh_mirrors/ps/Psi0

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

企业官网建设流程全解析