LeRobot 快速上手：5 分钟跑通你的第一条机器人训练命令

LeRobot 快速上手5 分钟跑通你的第一条机器人训练命令【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 Hugging Face 的开源机器人学习框架用 PyTorch 把采数据 → 训练策略 → 控制真机串成一条流水线。它统一了 SO100、LeKiwi、Unitree G1 等硬件接口内置 ACT、Diffusion、Pi0、SmolVLA 等策略解决的是机器人数据散、接口乱、算法难复现的问题。手里有一台低成本机械臂或者想先在仿真里练手的人都适合从它开始。先跑起来安装与验证只需 4 条命令系统要求Python ≥ 3.12pyproject.toml 中requires-python 3.12conda 或 uv 均可文档默认 condaPyTorch ≥ 2.10加速设备按 docs/source/torch_accelerators.mdx 对应选择训练策略需要 GPU只做数据集加载或 CPU 推理没有硬性要求接真机时 Linux/macOS 各自有额外依赖WSL 需要evdev文档 docs/source/installation.mdx 有分平台说明git clone https://gitcode.com/GitHub_Trending/le/lerobot cd lerobot conda create -y -n lerobot python3.12 conda activate lerobot pip install lerobot安装卡住时先看这里docs/source/installation.mdx 有 conda / uv / pip 三条路径的完整步骤WSL 和 Windows 的坑都写在里面。装完跑一条命令验证环境lerobot-info它会打印 PyTorch 版本、可用设备和包版本。卡住时先看这里如果找不到命令说明环境没激活conda activate lerobot再试。内部怎么组织一张表看懂 5 个核心目录目录管什么你什么时候会用到src/lerobot/policies/策略实现ACT、Diffusion、Pi0、SmolVLA 等 20 个模型训练时用--policy.type选策略微调改这里src/lerobot/datasets/LeRobotDataset 的读写、统计、切分工具采集、加载、清洗数据集src/lerobot/robots/13 类机器人驱动SO100、LeKiwi、Unitree G1…接真机时用--robot.type选驱动src/lerobot/scripts/20 个 CLI 入口lerobot-train、lerobot-eval等日常训练评估全靠这些命令examples/可运行脚本数据集、训练、推理、遥操作抄作业的第一站最值得展开的是src/lerobot/processor/它负责把原始观测标准化进模型、把模型输出还原成机器人动作。每个策略目录里都配了处理器比如 ACT 的 processor_act.py。写推理代码时必须显式调用make_pre_post_processors拿到前后处理两步漏掉任何一步动作数值就不在训练分布内机械臂会乱抖。LeRobot 数据集实战加载第一个社区数据集下面这段代码取自 examples/dataset/load_lerobot_dataset.py作用是从 Hub 上加载lerobot/aloha_mobile_cabinet数据集先只看元数据再真正取帧——输入只需要一个 repo_id 字符串输出是 PyTorch tensor图像为 channel-first 的 c、h、wfrom lerobot.datasets import LeRobotDatasetMetadata ds_meta LeRobotDatasetMetadata(lerobot/aloha_mobile_cabinet) print(ds_meta.total_episodes, ds_meta.fps, ds_meta.robot_type) dataset LeRobotDataset(lerobot/aloha_mobile_cabinet, episodes[0, 1]) print(dataset[0][observation.state].shape) # torch.Size([state_dim])运行前先conda activate lerobot。这个例子还演示了delta_timestamps用法一次性取过去 4 帧图像加未来 64 步动作这正是 ACT 这类动作分块策略训练时需要的输入形态。策略怎么挑、参数怎么调策略适合场景代价ACT低成本双臂精细操作演示数据越多越好但单卡可训、启动最快Diffusion2D 推块类任务如 Pusht推理步数越多越慢num_inference_steps要自己权衡SmolVLA要语言指令的轻量 VLA比传统策略吃显存但仍是单卡友好档Pi0视觉语言的完整 VLA 任务模型最大推理最重微调成本高三条调优建议演示数据少时先上 ACT在 configuration_act.py 里调dim_model和chunk_size小模型更容易收敛训练不收敛先看学习率衰减实现都在 src/lerobot/optim/ 的schedulers.py和factory.py换调度器不用改训练代码显存紧张就把--batch_size降到 2、先用--dataset.episodes[0]跑单 episode 验证流程——这正是 Makefile 里 E2E 测试的跑法常见坑 FAQ4 个高频问题1. 找不到串口设备症状连接机器人时报FileNotFoundError。 原因端口号是动态分配的写死在配置里会失效。 解决lerobot-find-port打印当前所有候选设备把输出填进port参数。2. 训练直接 OOM症状GPU 显存爆掉训练第一步就挂。 原因默认 batch 对大策略如 VLA 类偏大。 解决lerobot-train --policy.typesmolvla \ --batch_size2 \ --dataset.episodes[0] \ --steps4 --wandb.enablefalse参数参照 Makefile 的test-smolvla-ete-train先跑通再放大。3. 推理时机械臂乱动症状模型加载正常动作却完全不对。 原因相机的键名或分辨率和训练时不一致或者漏了后处理。 解决打开模型卡上的info.json核对camera_keys键名、宽高、fps 必须逐项对上再确认postprocess有被调用。4. 不确定数据集长什么样症状拿到一个 repo_id 不知道能不能用。 原因没先看元数据就直接加载全量数据慢且占空间。 解决先实例化LeRobotDatasetMetadata它只下载几 MB 的元数据文件fps、robot_type、features 一目了然。继续往下走docs/source/官方文档目录installation.mdx、cheat-sheet.mdx、hardware_guide.mdx是三块最常用的砖examples/脚本库训练入口看examples/training/train_policy.py硬件部署看各机器人名下目录tests/pytest 用例就是功能正确用法的活文档比如tests/policies/下各策略的用法测试CONTRIBUTING.md贡献指南想提 PR 或修 bug 之前先读它里面规定了文档字符串和测试的写法要求【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