代码完整性

项目覆盖“配置 → 服务 → 客户端 → 调度 → 执行 → 报告 → 测试”的完整实验链路，各模块提供对应入口、配置与验证方法。

代码地图

text

turbovla/
  models/       共用 TurboVLA：DINOv3、BERT、双向交互、ACT
  split/        Orin 客户端、Thor HTTP 服务、版本化张量协议
  evaluation/   策略适配、动作反归一化、三模式调度
  data/         LIBERO RLDS、混合套件、统计归一化
  training/     训练入口、优化器与 EMA
scripts/libero/ 基准入口、预检、通信测量、数值一致性、汇总
experiments/    LIBERO / RoboTwin 入口与配置
tests/          六个测试模块
third_party/    兼容运行时及保留许可证
docs-site/      本站源码与静态构建配置
assets/         原始架构图与图稿

从入口追到证据

能力	入口 / 实现	配置或资源	验证证据
Thor 推理服务	`serve_thor.sh` → `split/server.py`	checkpoint、DINOv3、BERT、stats	`/health`、服务日志、split 测试
Orin 远程调用	`split/client.py`	URL、精度、codec	HTTP fake-policy 往返测试
传输编码	`split/protocol.py`	固定形状与协议版本	位保真、截断、附加数据、非有限值测试
三模式实验	`benchmark_async.py` → `async_rollout.py`	`async_benchmark.yaml`	对齐 / 融合 / 失败传播测试及 comparison
本机对照	`benchmark_local.py`	`local_benchmark.yaml`	本机入口与统计测试
模型输出一致性	`check_split_parity.py`	同一 checkpoint 与 stats	在 Thor 比较两条推理路径，生成 parity JSON
通信选型	`benchmark_transport.py`	固定观测 NPZ	相同动作约束下比较各 codec
训练与数据	`training/`、`data/`	RLDS/TFDS、统计、初始化资源	数据处理、训练配方与训练入口
RoboTwin 扩展	`experiments/robotwin/`	独立 all50 配置与外部 RoboTwin	独立训练与评测流程

外部资源清单

仓库内提供	需要另行准备
模型实现、适配、服务、客户端、调度	模型权重及本地模型目录
YAML/JSON 配置、LIBERO 统计	LIBERO 代码、BDDL、初始状态和 assets
单元测试与报告脚本	JetPack、GPU 驱动、对应 PyTorch
数据处理与训练入口	训练数据和训练硬件
第三方许可说明	外部资源的获取及访问资格

权重、数据、输出、视频与机器专用 *.local.yaml 按本地路径管理。发布项目时保留 LICENSE 和 third_party/licenses/，注明上游代码来源。

阅读顺序

README.md：安装、入口与约束。
async_benchmark.yaml：实验参数。
split/client.py → protocol.py → server.py：跨设备数据链路。
models/turbovla.py → action_head.py：模型结构。
async_rollout.py::ActionTimeline.merge()、run_episode()：时序行为。
benchmark_async.py::summarize_episodes()：指标口径。

工程验证流程

按“环境预检 → 模型输出一致性 → 三模式任务对比 → 长时运行”组织验证，保存配置、设备环境与结果文件。具体命令和指标见验证与结果，网络及设备运行条件见系统能力。

代码完整性 ​

代码地图 ​

从入口追到证据 ​

外部资源清单 ​