有了一个靠得住的数据集版本，训练只需要几步：选版本、选策略，EmbodiFlow 会自动打包数据、在 GPU 上运行任务，你在模型页上看着 loss 曲线、日志和检查点一点点出来。
训练只在冻结的数据集版本上运行。任务运行期间数据不会变，每个模型也都记得自己用的是哪个版本，所以「这个模型是用什么数据训出来的」永远有答案。
开始一次训练
打开数据集版本
在项目里打开「版本」，点进想用来训练的版本，在右上角「导出」旁边点击「训练模型」。也可以从侧栏的「训练」开始：点击「新建训练」，再选择项目和版本。两条路打开的是同一套设置。
选择策略
「策略」卡片列出表单提供的选项，每张卡片都写明所需显存，以及是否需要任务片段带任务说明。ACT 标着「推荐」：它从示范中学习短动作片段，也是我们建议你先用的策略。表单还提供 SmolVLA、π0 LoRA、π0.5 LoRA、GR00T 和 WALL-OSS，Diffusion 则显示为还没有开放。其中哪些真的能跑，取决于你的团队环境安装了哪些训练镜像，选 ACT 以外的策略前请先和管理员确认。
选择 GPU 和时长
在「GPU」中选一张不低于策略下限的卡。「时长」默认是「标准」；「快速」要等这个策略在这张 GPU 上完成第一次实测后才能选，因为在那之前还不知道每一步要多久。想精确控制，就展开「高级」，填写「训练步数」「批大小」和「随机种子」；步数留空则按上面选的时长。
开始前留意设置下方的提示。如果版本里没有测试任务片段，对话框会提醒训练完成后无法评估。训练照样能跑，只是不会有评估结果。
开始训练
点击「开始训练」。从版本页开始的，会打开新模型的页面；从「训练」开始的，会打开训练任务页。任务先排队等 GPU，然后自动开始。等 GPU 是正常状态，不是失败。
看着它训练
模型页有两个标签，主要内容在「训练」里。最上面是状态（「排队中」「训练中」「已完成」「失败」等）和最新步数；下面是「指标」图表，把 loss 按步数画出来，任务运行时会自己刷新。任务结束后，页面显示「训练已结束，已停止实时更新。」，并给出「最终步数」「最终损失」和「检查点」数量。
loss 下降说明模型在拟合你的示范数据，但它说明不了策略在机器人上的表现。把它当作健康检查，而不是成绩。
再往下，「检查点」列出每个保存的检查点及其步数、时间和大小，「日志」显示训练输出。你可以搜索日志，用「更早」「更新」翻页，打开「显示原始日志」看未经整理的文本，或点击「下载 .txt」保存一份。
任务运行中可以点击「取消训练」停止它。如果任务在保存检查点之后失败，「从最近检查点恢复」会从那里接着训练。想换一组参数，点击「改参数再训练」，会在同一个版本上打开同样的对话框。
模型概览
「概览」标签是这个模型的总结。标签先写明策略和训练所用的机器人（例如「ACT」和「基于 TRON2 AV3 训练」），然后是最终步数、损失和检查点数量。右侧是模型 ID、训练任务、可用于部署的机器人协议（「部署协议」）和创建时间。点击「打开训练」可以回到曲线。
下载检查点
在侧栏打开「训练」，点进对应的任务。任务页有「概览」「日志」「指标」和「检查点」四个标签。在「检查点」里点击某一行的「下载」即可保存。同一页面还列出每一次执行尝试，重试过的任务会把失败的尝试和新的尝试放在一起。
在终端里，命令行可以把检查点直接下载到本地，并校验大小和校验和：embodiflow training checkpoints download --job <job-id> -o weights.tar。
任务失败了怎么办
从「训练」打开该任务。失败的尝试会用平实的话说明原因，错误代码在「技术详情」里。排除原因后点击「重试」。如果原因是训练镜像无法拉取，说明任务根本没有开始，请管理员检查镜像仓库的访问权限，然后重试。