Train Robotic AI Models using Qualia
提供云端GPU基础设施，用于微调机器人视觉-语言-动作基础模型。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：Train Robotic AI Models using Qualia。 它的用途是：提供云端GPU基础设施，用于微调机器人视觉-语言-动作基础模型。 完整的 Skill 内容见：https://321skill.com/skills/train-robotic-ai-models-using-qualia-x-2/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
‘启动一个在GR00T N1.5模型上的微调任务，使用HuggingFace上我准备好的LeRobot格式数据集，指定使用pi0.5 GPU。’，它会通过CLI向云端基础设施提交任务，并返回一个任务ID供你监控进度。你可以接着说：‘获取任务ID为123的状态，并以JSON格式输出。’，它会返回当前训练阶段的详细状态信息。
介绍
该Skill旨在解决机器人AI模型训练中GPU基础设施搭建和管理复杂、成本高昂的问题。它提供了一个托管式的云端GPU训练平台，用户无需自行购置和维护硬件，即可专注于模型微调。
用户可以通过命令行接口（CLI）直接启动、监控和取消微调任务，支持对多种主流机器人基础模型（如VLA、ACT、GR00T N1.5等）进行微调，并使用LeRobot格式的HuggingFace数据集。整个流程设计为Agent原生，支持JSON输出，便于自动化集成。
该Skill非常适合从事机器人学、强化学习或具身智能研究的团队和个人，特别是那些希望快速迭代模型但受限于本地算力或运维能力的研究人员、算法工程师和智能体开发者。
使用建议：在开始前，确保你的数据集已整理为LeRobot格式并上传至HuggingFace。由于涉及云端资源消耗，建议先从小规模任务开始，监控GPU使用情况和成本。注意，模型训练时间可能较长，请合理利用CLI的监控功能。
核心特点
核心区别在于它专为机器人领域的VLA（视觉-语言-动作）模型微调而设计，提供了针对GR00T、ACT、SmolVLA等特定机器人模型的直接支持，并与LeRobot格式的HuggingFace数据集生态深度集成，而非通用的机器学习训练平台。
注意事项
不适合需要完全本地化部署、对数据隐私有极端要求，或仅需进行传统计算机视觉/NLP模型训练的场景。
常见问题
支持哪些具体的机器人基础模型？
支持 pi0, pi0.5 (π0.5), GR00T N1.5, ACT, SmolVLA, SARM 奖励模型等。
数据集需要什么格式？
需要使用 LeRobot 格式的 HuggingFace 数据集。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/train-robotic-ai-models-using-qualia-x-2/raw/index.md 读取 Train Robotic AI Models using Qualia 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/train-robotic-ai-models-using-qualia-x-2/raw/index.md（查看排版版本）