LeRobot 完整上手指南：3 步装好，从录制数据到训练机器人策略

LeRobot 完整上手指南3 步装好从录制数据到训练机器人策略【免费下载链接】lerobot LeRobot: Making AI for Robotics more accessible with end-to-end learning项目地址: https://gitcode.com/GitHub_Trending/le/lerobotLeRobot 是一个基于 PyTorch 的端到端机器人学习框架由 Hugging Face 团队开源当前版本 0.6.2。它要解决的实际问题是你有一台机械臂想让它看着别人示范学会抓东西但录制数据、管理数据集、训练策略、真机部署每一步都要自己写胶水代码——LeRobot 把这条流水线整条打包了而且所有算法都是纯 PyTorch 实现可以随意改。LeRobot 是什么一条从演示到上线的流水线这一节帮你建立整体印象框架分三层你以后接触的任何功能都能对号入座。硬件控制层统一的Robot接口把读观测、发动作抽象成三行代码背后已适配 SO-100/SO-101 桌面臂、LeKiwi 移动底盘、Unitree G1 人形机器人、Reachy2 等 10 多种设备遥操作端还支持游戏手柄、键盘甚至手机。数据层LeRobotDataset 格式用 MP4 视频存视觉数据、Parquet 存状态和动作托管在 Hugging Face Hub 上可以直接LeRobotDataset(lerobot/aloha_mobile_cabinet)一行拉取别人的数据集训练。算法层src/lerobot/policies/ 下有模仿学习、强化学习、VLA视觉-语言-动作即看画面、听指令、出动作的模型等 20 多种策略实现。LeRobot 安装步骤三条命令装好并验证先把环境要求对一遍然后克隆仓库、按你的用途装对应依赖、用lerobot-info验证。项目要求Python3.12pyproject.toml 中requires-python 3.12PyTorch2.7文档建议 2.10新特性依赖 TorchCodec显卡训练 VLA 类模型建议独显ACT 等轻量策略门槛低很多git clone https://gitcode.com/GitHub_Trending/le/lerobot cd lerobot pip install -e .[training] lerobot-info依赖按用途分组[core_scripts]管录制回放[training]管训练[all]全装。如果只玩某个硬件或算法按需加[feetech]、[pi]这类 extras 即可。更细的分步说明见安装文档。核心命令lerobot-record 录数据lerobot-train 训策略这是整篇文章最值钱的部分——以 SO-100 桌面臂为例你真正需要敲的只有三类命令。第一步硬件接入用lerobot-find-port找到串口再用lerobot-setup-motors初始化电机两条命令各执行一次即可。第二步遥操作录数据你手动操纵主臂从臂跟着动全程自动写入数据集lerobot-record \ --robot.typeso100_follower \ --teleop.typeso100_leader \ --dataset.repo_id你的HF用户名/so100-demorepo_id遵循用户名/数据集名的格式录完后数据集自动托管后续可随时删除某条 episode、按索引切分见 src/lerobot/datasets/dataset_tools.py。第三步训策略lerobot-train \ --policy.typeact \ --dataset.repo_idlerobot/aloha_mobile_cabinet跑完把--dataset.repo_id换成你自己的数据集名就行。最后用lerobot-eval在 LIBERO、MetaWorld 等仿真基准上验收或在真机上回放。完整硬件接线流程可对照 SO-100 文档。算法选型ACT、Diffusion、Pi0 到底选哪个挑错算法是最大的时间黑洞。表里列了框架内主要策略按你有多少数据、多少算力来选类别代表模型适用场景模仿学习ACT、Diffusion、VQ-BeT起步首选几十到几百条演示即可ACT 对算力最友好强化学习TDMPC、HIL-SERL任务能定义奖励函数、允许交互试错VLA 大模型Pi0 / Pi0.5 / Pi0Fast、SmolVLA、GR00T N1.7、EO-1、MolmoAct2、EVO1要理解语言指令的通用操作数据量大、吃 GPU世界模型 / 奖励模型VLA-JEPA、FastWAM / SARM、TOPReward、Robometer给策略提供预测未来或打分能力一个务实的路径先用 ACT 在你自己的数据集上跑通全流程examples/training/train_policy.py 有完整配置再决定是否升级到 Pi0 系列。多 GPU 训练、流式加载数据的写法在 examples/training/train_with_streaming.py 里可以直接参考。硬件不在列表里用插件机制接进来实际上 LeRobot 的硬件生态是开放的任何以lerobot_robot_、lerobot_teleoperator_、lerobot_camera_为前缀安装的第三方包都会被自动发现装完直接用--robot.type引用。社区已维护 xArm、UR5e、Franka、Trossen WidowX、Meta Quest 手柄、ROS 2 桥接等插件列表见第三方硬件文档。想接自己的设备照 src/lerobot/robots/robot.py 里的接口实现几个方法数据录制、训练、可视化工具就全部复用了。下一步文档、教程与社区想系统走一遍从 docs/source/ 目录下的 mdx 文档入手安装、数据集格式、各策略说明都有想跟着敲命令examples/ 里按场景分好了目录。项目已发表 ICLR 论文贡献流程写在 CONTRIBUTING.md测试用例本身也是一份不错的 API 速查tests/。遇到问题优先查文档再提问社区响应很快。【免费下载链接】lerobot LeRobot: Making AI for Robotics more accessible with end-to-end learning项目地址: https://gitcode.com/GitHub_Trending/le/lerobot创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考