docs/CURRENT_PROGRESS.md

# 当前进展 - Current Progress

> 最后更新：2025-01-20

---

## 已完成模块

### 1. 数据处理流水线 ✅

| 模块 | 状态 | 说明 |
|------|------|------|
| DROID 数据加载 | ✅ 完成 | 支持从 TFDS 格式读取 |
| 视频帧提取 | ✅ 完成 | 支持 mirror/flat_hash 模式 |
| Metadata 解析 | ✅ 完成 | 自动提取任务描述 |
| 批量处理 | ✅ 完成 | 支持 START_INDEX + MAX_VIDEOS 范围控制 |

### 2. GPT 标注系统 ✅

| 功能 | 状态 | 说明 |
|------|------|------|
| 基础标注 | ✅ 完成 | `api_batch.py` |
| 改进版标注 | ✅ 完成 | `api_batch_improved.py` - 滑动窗口 + 上下文传递 |
| HuggingFace 集成 | ✅ 完成 | `api_batch_hf_dataset.py` |
| 奖励对齐 | ✅ 完成 | 与仿真数据 5 分量对齐 |

### 3. 本地模型推理 ✅

| 模块 | 状态 | 说明 |
|------|------|------|
| Qwen VL 推理 | ✅ 完成 | `caption/infer_caption.py` |
| 批量 Caption | ✅ 完成 | `caption/infer_caption_batch.py` |
| 结果解析 | ✅ 完成 | JSON 自动提取 |

### 4. 数据格式转换 ✅

| 格式 | 状态 | 输出位置 |
|------|------|----------|
| SFT JSON | ✅ 完成 | `data/sft_frames_dataset.json` |
| SFT (from/value) | ✅ 完成 | `data/sft_frames_dataset_sft.json` |
| Special Token 版 | ✅ 完成 | `data/sft_reward_dataset_special_tokens.json` |

### 5. 模型训练 ✅

| 版本 | 状态 | 检查点 |
|------|------|--------|
| v0 基础版 | ✅ 完成 | `weights_reward_sft/v0-*/checkpoint-28` |
| v1 改进版 | ✅ 完成 | `weights_reward_sft/v1-*/checkpoint-7` |
| Special Token v0 | ✅ 完成 | `weights_reward_sft_special_token/v0-*` |
| Special Token v1 | ✅ 完成 | `weights_reward_sft_special_token/v1-*` |
| Special Token v2 | ✅ 完成 | `weights_reward_sft_special_token/v2-*` (full merge) |

### 6. 数据集管理 ✅

| 功能 | 状态 | 说明 |
|------|------|------|
| 统计分析 | ✅ 完成 | `data_sta/failure_statistics.json` |
| 采样策略 | ✅ 完成 | balanced/random/proportional |
| HuggingFace 上传 | ✅ 完成 | `data_sta/upload_to_huggingface.py` |

---

## 数据集统计

### DROID Failure 数据

```
总轨迹数: 15,157
数据源分布:
  - AUTOLab: 3,618 (23.9%)
  - ILIAD:   1,303 (8.6%)
  - IPRL:    1,298 (8.6%)
  - PennPAL: 2,494 (16.5%)
  - CLVR:      433 (2.9%)
  - GuptaLab:  187 (1.2%)
  - ...
```

### 任务类型分布 (Top 10)

| 任务 | 数量 |
|------|------|
| Move object into or out of container | 2,699 |
| Move object to a new position | 2,494 |
| Open or close hinged object | 1,103 |
| Hang or unhang object | 891 |
| Move lid on or off of container | 637 |
| Open or close slidable objects | 543 |
| Press button | 489 |
| Use cup to pour | 437 |
| Fold, spread out, or clump object | 398 |
| Use cloth to clean | 312 |

### 仿真数据

```
cokecan-50/
├── fall/      (10 episodes)
├── collision/ (10 episodes)
├── grasp/     (10 episodes)
├── smooth/    (10 episodes)
└── success/   (10 episodes)
```

---

## 已生成标注

### GPT 标注文件

| 文件 | 内容 |
|------|------|
| `output/labels_batch.jsonl` | 基础版标注 |
| `output/labels_batch_improved.jsonl` | 改进版标注 |
| `output/labels_hf_dataset.jsonl` | HuggingFace 数据集标注 |

### Caption 结果

| 文件 | 内容 |
|------|------|
| `caption/output/caption_results_batch.json` | Qwen VL 批量结果 |
| `caption/output/caption_results_batc_100.json` | 100 条测试 |

---

## 当前问题 / 待解决

### 1. 标注质量

- [ ] GPT 标注的一致性评估
- [ ] 人工抽样检查标注质量
- [ ] 失败案例分析（为什么某些标注不准确）

### 2. 数据规模

- [ ] 完整 DROID 数据集标注（目前只处理了部分）
- [ ] 仿真数据扩充
- [ ] 更多失败模式覆盖

### 3. 模型评估

- [ ] 奖励模型在 held-out 数据上的评估
- [ ] 与真实奖励的相关性分析
- [ ] 不同训练版本的对比

---

## 关键文件索引

### 核心脚本

```
api_batch_improved.py      # GPT 标注（推荐）
api_batch_hf_dataset.py    # HuggingFace 数据集处理
video_process.py           # 视频提取
extract_frames_to_images.py # 帧提取
convert_to_sft.py          # 格式转换
```

### 配置文件

```
data/system_prompt.txt     # 推理时的系统 prompt
data/tokens.txt            # 特殊 token 定义
```

### 输出数据

```
output/labels_*.jsonl      # 标注结果
data/sft_*.json           # 训练数据
droid_processed/*.json     # 处理后的 episode
```

### 模型权重

```
weights_reward_sft/*/checkpoint-*         # 标准版
weights_reward_sft_special_token/*/       # 特殊 token 版
```

---

## 运行状态

### 最近运行记录

| 日期 | 操作 | 结果 |
|------|------|------|
| 2025-11-11 | Special Token v2 训练 | checkpoint-70 |
| 2025-11-10 | 改进版 SFT 训练 | checkpoint-7 |
| 2025-11-05 | 基础版 SFT 训练 | checkpoint-28 |

### 环境要求

```
Python 3.8+
PyTorch 2.0+
transformers
swift (ms-swift)
decord
openai
PIL
tensorflow_datasets
```