在A100平台集群上部署OpenVLA与LIBERO仿真环境的踩坑及解决方法记录

1. 问题背景

在尝试运行OpenVLA的LIBERO评测脚本时，遇到了从环境导入到编译安装，再到底层图形驱动的一系列问题。

运行环境：

• 硬件：NVIDIA A100
• 任务：OpenVLA 7B 策略在LIBERO仿真环境中的评估
• 软件：PyTorch + MuJoCo (Robosuite)

2. 主要问题及解决方案

问题一：模块搜索路径失效 (ModuleNotFoundError)

问题描述：环境中明明安装了libero，pip show 也能看到包的信息，但是import 时还是报错找不到模块：No module named 'libero’。

• 原因分析：在复杂的科研集群中，使用 pip install -e . (Editable mode) 往往会因为 Conda 环境路径优先级或权限问题，导致生成的 .egg-link 映射失败。Python 解释器在 sys.path 中找不到源码位置。

• 解决方式：显式指定 PYTHONPATH。这是最稳健的“暴力”手段，它绕过了所有复杂的 pip 映射逻辑，直接在系统层面告诉 Python 解释器去哪里找代码：

  export PYTHONPATH=$PYTHONPATH:/path_to_LIBERO

问题二：GitHub 依赖克隆超时 (Connection Timeout)

问题描述：安装OpenVLA时，其依赖项（如dlimp）通过Git链接在线下载，导致Conection timed out 。

解决方法：

1. 先通过镜像站地址手动安装依赖:

   pip install git+https://githubfast.com/moojink/dlimp_openvla.git

2. 修改源码：修改OpenVLA的pyproject.toml ，将对应的git+https 链接行删掉，直接缩写为”dlimp” 。这样pip在第二次安装的时候就会识别到本地已经安装该包，从而跳过克隆步骤。

问题三：FlashAttention编译环境缺失(nvcc/CUDA_HOME)

问题描述：OpenVLA推理脚本尝试调用flash-attn，但因系统未配置完整的CUDA编译链（缺失nvcc和CUDA_HOME变量）导致安装/调用失败。

解决方法（无sudo）：降级使用SDPA(nvcc/CUDA_HOME)。修改 openvla_utils.py 中的 AutoModelForVision2Seq.from_pretrained 调用，将 attn_implementation 参数设为 "sdpa"。

• 原因：SPDA是PyTorch内置的加速方案，在A100上性能已经非常接近FlashAttention，且无需任何C++编译，在不触及系统级环境的情况下快速跑通实验。

问题四：Headless渲染驱动（EGL初始化失败）

问题描述：ImportError: Cannot initialize a EGL device display。

原因分析：A100等纯计算卡环境通常只安装了计算驱动，缺少图形配置文件。MuJoCo默认找不到对应的NVIDIA EGL 供应商 （Vendor），导致离线渲染无法开启。

解决方案（需sudo）：手动注入NVIDIA驱动的ICD配置文件：

1. 创建配置文件：

   sudo mkdir -p /usr/share/glvnd/egl_vendor.d/
   sudo bash -c 'cat > /usr/share/glvnd/egl_vendor.d/10_nvidia.json <<EOF
   {
       "file_format_version" : "1.0.0",
       "ICD" : { "library_path" : "libEGL_nvidia.so.0" }
   }
   EOF'

2. 激活渲染配置：

   export MUJOCO_GL=egl
   export __GLVND_EXPOSE_VENU_PDEV_ONLY=1

上述步骤完成之后，OpenVLA的LIBERO评估脚本成功正常运行。