🎉 欢迎安装 RoboDriver-Server 及配套服务！

为快速部署并使用 RoboDriver-Server，以下为 外部使用者提供专属部署指南，智源研究院内部开发者请切换到baai分支，按需选择操作即可高效完成配置：

---

👤 外部使用者部署指南

具身一体化平台：https://roboxstudio.baai.ac.cn/

🚀 核心部署流程

1. 克隆源码仓库, 执行一键安装脚本

首先拉取 RoboDriver-Server 源码至本地：

git clone https://github.com/FlagOpen/RoboDriver-Server.git
cd ./RoboDriver-Server
git checkout main
cd ./setup
bash setup.bash

2. 跟随脚本完成关键配置

运行脚本后，按提示完成 4 项核心操作，其余步骤将自动执行：

1. 输入机器人类型（支持 aloha/pika/realman 等预定义类型，也可自定义）；
2. 确认或输入当前用户名（将自动同步到数据集存储路径 /home/$CURRENT_USER/DoRobot/dataset/）；
3. 选择是否安装 Docker：
   • 安装 Docker：选择从 Docker Hub 拉取镜像，并启动 RoboDriver-Server 容器；
   • 不安装 Docker：需后续手动完成运行环境部署（详见下方「环境部署」步骤）；
4. 注意：RoboDriver-Server 源码默认存放于 /opt/ 目录，项目目录结构如下：

├── arm/                # arm架构相关文件
│   ├── docker/         # Docker配置目录
│   ├── environment.yml # 环境配置文件
│   ├── requirements.txt # 依赖清单
│   ├── setup.yaml      # 服务配置文件
│   ├── start_server_docker.sh # 容器启动脚本
│   └── operating_platform_server_test.py # 服务启动入口
├── logtail/            # 日志相关配置
├── setup/              # 安装脚本目录
├── ui/                 # 前端相关资源
├── update/             # 版本更新工具
└── x86/                # x86架构相关文件（结构同arm目录）

3. 访问采集平台

安装完成后，通过以下地址直接访问本地采集平台：

http://localhost:5805/hmi/

❌ 常见问题排查

1. 若RoboDriver提示 127.0.0.1:8088 连接失败：RoboDriver-Server 服务未启动，需重新执行启动命令；
2. 访问 http://localhost:5805/hmi/ 失败：重启 Nginx 服务，命令：

   sudo systemctl restart nginx

   or

    sudo systemctl start nginx
   

3. 数据集路径权限问题：重新设置目录权限：

   sudo chown -R $USER:$USER /home/$CURRENT_USER/DoRobot/dataset/
   sudo chmod -R 777 /home/$CURRENT_USER/DoRobot/dataset/

🛠️ 补充操作指南

（一）非 Docker 环境部署（未安装 Docker 时）

若选择不安装 Docker，需手动部署运行环境，步骤如下：

1. 基于 Conda 创建并激活虚拟环境（支持 Python 3.10/3.11）：

   conda create -n robodriverserver python=3.11  # 以Python 3.11为例
   conda activate robodriverserver

2. 进入对应架构的服务目录：

   # x86架构
   cd /opt/RoboDriver-Server/x86/

   # 或 arm架构
   cd /opt/RoboDriver-Server/arm/
   

3. 安装依赖并启动服务：

   pip install -r requirements.txt  # 安装Python依赖
   python operating_platform_server_test.py  # 启动RoboDriver-Server

（二）容器调试操作（Docker 部署时）

若通过一键容器部署，需调试服务可按以下步骤操作：

1. 查看并停止当前容器：

   docker ps -a  # 查看容器状态（容器名：robodriver_server）
   docker stop robodriver_server && docker rm robodriver_server  # 停止并删除容器

2. 进入对应架构目录，启动调试容器：

   # x86架构
   cd /opt/RoboDriver-Server/x86/

   # 或 arm架构
   cd /opt/RoboDriver-Server/arm/
   

   bash debug_server_docker.sh  # 启动调试容器并进入
   

3. 容器内启动服务并查看日志：

   python operating_platform_server_test.py  # 查看服务实时输出

4. 调试完成后退出并重启正式服务：

   exit  # 退出调试容器（按提示选择N删除容器）

   bash start_server_docker.sh  # 重启正式服务容器
   

5. 日志查看路径：/opt/RoboDriver-log/log/server/

（三）上传配置与 GPU 编码说明

采集数据的上传规则与视频编码可通过 setup.yaml 配置，核心参数说明如下：

# 机器人类型配置
robot_type: franka  # 已通过脚本自动设置，可手动修改
# 服务端地址配置
device_server_ip: http://localhost:8088 # 本地服务地址配置
device_server_port: 8088  # 端口号
# 上传开关与模式
is_upload: True  # 是否开启自动上传
upload_immadiately_gpu: False  # 开启GPU实时编码上传（需NVIDIA显卡）
is_collect_upload_at_sametime: False  # 采集与上传异步执行（默认False,开启GPU实时编码上传时，需改成True）
# 上传类型与时间（外部用户仅支持ks3）
upload_type: ks3  # 固定为ks3，无需修改
upload_time: '20:00'  # 定时上传时间（仅is_upload=True时生效）

1. 当RoboDriver use_video=False 时，采集的相机数据将以图片形式存储；触发上传操作后，系统会自动将图片编码为视频文件，并存入指定的 video 目录。

2. 若需实现采集、编码、上传同步完成（实时处理流程），需同时满足以下所有条件：

   • 硬件要求：主机必须配备 NVIDIA 显卡（需支持 NVENC 视频编码功能，主流 Kepler 架构及以上显卡均支持）；
   • 依赖安装：需在主机安装 NVIDIA 容器运行时依赖 nvidia-container-runtime；
     • 安装方式（Ubuntu 系统示例）：
       1. 配置 NVIDIA 软件源：

          distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
          curl -s -L https://nvidia.github.io/nvidia-container-runtime/$distribution/nvidia-container-runtime.list | sudo tee /etc/apt/sources.list.d/nvidia-container-runtime.list

       2. 更新并安装：

          sudo apt update && sudo apt install -y nvidia-container-runtime

       3. 重启 Docker 服务使配置生效：

          sudo systemctl restart docker

   • 配置要求：在配置文件中设置 upload_immadiately_gpu: True 并且 is_collect_upload_at_sametime: True；
   • 启动方式：通过 start_server_docker_gpu.sh 脚本启动容器；
   • 关键配置修正：start_server_docker_gpu.sh 脚本中存在 NVIDIA 编码库的挂载配置，需根据主机实际安装的 NVIDIA 驱动版本修改文件路径中的版本号：

     • 原始配置示例：

       -v /usr/lib/x86_64-linux-gnu/libnvidia-encode.so.535.230.02:/usr/lib/x86_64-linux-gnu/libnvidia-encode.so.1 \

     • 修改说明：将路径中的 535.230.02 替换为主机实际的 NVIDIA 驱动对应版本号（需确保主机 /usr/lib/x86_64-linux-gnu/ 目录下存在 libnvidia-encode.so.XXX.XX 格式的文件）；

     • 版本查询方法：在主机终端执行命令 nvidia-smi，输出结果中「Driver Version」字段对应的数值即为需替换的版本号（例如驱动版本为 550.54.14，则替换为 libnvidia-encode.so.550.54.14）。

     • 补充说明

     • 若未安装 nvidia-container-runtime，容器将无法识别主机 GPU 及挂载的编码库，同步处理流程会直接失效，需优先完成该依赖安装；

     • 若未正确匹配 NVIDIA 驱动版本号，会导致容器内无法加载 libnvidia-encode.so.1 编码库，进而出现编码失败、程序报错或同步流程卡死；

     • 若主机无 NVIDIA 显卡、不支持 NVENC 编码，或未按上述要求安装依赖/配置/启动，将无法使用同步处理流程，仅支持「先采集图片→触发上传时编码视频」的异步模式（即 use_video=False 对应的基础功能）；

---