LeRobot 手把手完整指南机器人学习框架从安装到真机控制【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你把杯子放在桌上说了一句抓起来——机械臂真的动了夹爪张开稳稳夹住。想让这句话从演示视频变成你自己能复现的项目靠的就是 LeRobot一个基于 PyTorch 的机器人学习框架把数据、算法和真机三件事都替你串好了。LeRobot 是什么一句话说清定位LeRobot 是 Hugging Face 团队维护的开源机器人学习框架当前版本 0.6.2覆盖从遥操作采集数据、训练策略模型到部署上真机的完整流程。对新手来说它给你三样东西统一的硬件接口所有机器人都实现同一个Robot抽象类代码里只有connect()/get_observation()/send_action()三个动作。它就像机器人界的 USB-C 接口——换插头不换线今天接 SO100 桌面臂明天接 Unitree G1 人形算法代码不用改。标准化的数据格式LeRobotDataset V3 用 Parquet 存状态和动作、MP4 存视频Hugging Face Hub 上有大量开箱即用的公开数据集一行代码加载。现成的 SoTA 算法模仿学习ACT、Diffusion、强化学习TDMPC、视觉-语言-动作模型Pi0、GR00T N1.7、SmolVLA都是纯 PyTorch 实现训练完可以直接下发到真机。5 分钟上手最快安装与第一段传感器数据安装很简单两条命令装包然后确认环境正常。pip install lerobot lerobot-infolerobot-info会打印你的 GPU、Python 版本等环境信息跑通了说明基础环境没问题。如果想翻源码仓库可以git clone https://gitcode.com/GitHub_Trending/le/lerobot拉下来看。接下来拿到你的第一份传感器数据。下面这段就是 LeRobot 最核心的用法——连上机器人读一帧观测from lerobot.robots.myrobot import MyRobot robot MyRobot(config...) robot.connect() obs robot.get_observation() print(obs)把MyRobot换成你手上的具体机型即可比如 SO100/SO101 的 follower具体型号见 src/lerobot/robots/ 目录。obs是一个字典键是特征名如observation.images.top、各关节角度值是图片张量和数值。拿到它你就跨过了机器人开发里最劝退的一步——硬件通信。有了数据训练一条策略也是一行命令的事以 ACT 为例数据集用官方公开的厨房柜门任务lerobot-train \ --policy.typeact \ --dataset.repo_idlerobot/aloha_mobile_cabinet它是怎么干活的数据、策略、硬件三个齿轮LeRobot 的仓库看着大但从你的视角只有三个齿轮在转每个都很好类比数据齿轮src/lerobot/datasets/。一个数据集 同步的 MP4 视频 对应的 Parquet 表格。可以想象成带 Excel 日志的监控录像视频是看到了什么Parquet 是那一帧机器人手臂在哪个位置、下一帧要往哪动两者时间戳严格对齐。训练时它支持流式加载视频按需解码不会把几百 GB 的数据一次性塞进内存。策略齿轮src/lerobot/policies/。每个算法是一个独立子包act/、diffusion/、pi0/、groot/……通过工厂函数按名字实例化。这相当于可换装的发动机训练循环、数据加载、日志记录都是同一套底盘你只换模型本体。中间还有一条处理器流水线src/lerobot/processor/负责把原始观测做标准化、把模型输出转回机器人能执行的动作——就像数据进出引擎前的变速箱。硬件齿轮src/lerobot/robots/。所有真机、遥操作器都遵守同一套接口所以采集→训练→部署这条链路对任何机器人都成立。想接自己的机器人实现Robot抽象类的几个方法即可社区第三方插件UR5e、Franka、Piper 等也是这么接进来的。该选哪个算法按任务场景决策第一次接触的人最容易在 ACT、Diffusion、GR00T、Pi0 之间迷路。别背参数按场景选你的任务场景优先选一句话理由桌面臂 自己遥操作录的演示想先跑通全流程ACT默认起步项稳定、算力要求适中演示数据动作多样同一任务多种抓法Diffusion扩散模型天然适合多模态动作分布要听懂中英文指令、在真机上做泛化操作GR00T N1.7 / Pi0 / Pi0.5VLA视觉-语言-动作模型指令进、动作出VLA 太慢想快速推理Pi0Fast 或 SmolVLA分别为 Pi0 的加速版和小体量 VLAVLA 类模型的思路是用预训练的视觉语言模型看画面、读指令再通过 DiTDiffusion Transformer一种用扩散过程逐步画出动作序列的 Transformer 结构把语言里的意图翻译成关节动作。各算法的详细 README 和显存需求都在文档目录里选之前先对一下你的显卡。真机落地清单从仿真到真机的 5 步与对策别跳过这一步直接上真机按顺序走一遍能省掉大部分半夜调试找端口跑lerobot-find-port按提示拔掉再插上 USB脚本会告诉你机器人挂在哪个/dev/tty*上。坑端口号每次插拔可能变别硬编码。找相机跑lerobot-find-cameras它会打印相机信息并把测试帧存到lerobot/outputs/captured_images顺手验证画面方向是否正常。校准lerobot-calibrate一次性完成关节先大致摆到中间位置。注意--robot.id这个名字后续所有命令都要保持一致它是找校准文件的钥匙写错一个字母就白校准。先仿真用lerobot-eval --env.typelibero ...在 LIBERO、MetaWorld 等仿真环境里先评估策略。仿真里不行的东西真机上不会更好。上真机三个高频问题各有对策——传感器差异仿真相机是完美的真机会抖、会偏色。对策采集数据时把相机架固定死训练数据里包含光照变化别只录黄金环境。延迟真机推理 通信会引入延迟动作慢半拍。对策框架内置异步推理src/lerobot/async_inference/模型服务端算、机器人端执行解耦和 RTC实时动作校正这类机制专门用来补偿控制回路延迟。安全上机前确认关节限位校准过先空载小范围试跑桌上别放贵重物品。常见问题速查5 个高频问题机器人连不上报连接超时90% 是端口或驱动问题先用lerobot-find-port确认真实端口再检查系统是否装了串口相关依赖。校准做了但动作总是差一截检查--robot.id在lerobot-calibrate、lerobot-record、lerobot-teleoperate里是否完全一致——校准文件按这个 id 存取对不上就会用到旧标定或没标定。真机上动作感觉滞后正常现象推理本身需要几十到几百毫秒。优先启用异步推理src/lerobot/async_inference/或带 RTC 的策略如 pi0_fast、smolvla把计算和执行解耦。训练损失不降或剧烈震荡先检查数据分布episode 是否混入了乱动片段再调学习率。训练命令支持--wandb.enabletrue接上日志面板盯着曲线看别盲跑几小时。我的显卡跑得动哪个模型去翻仓库根目录 README 的模型分类表和文档目录 docs/source/ 下的硬件指南每个策略都标了显存与训练时长预期不确定就从小模型SmolVLA、ACT起步。接下来怎么走学习路径与社区入口建议的路线先读一遍命令速查表 docs/source/cheat-sheet.mdx把 find-port、calibrate、record、train 几条命令抄熟再跟examples/notebooks/quickstart.ipynb走一遍流程然后给自己定一个小任务录 30 条演示 → ACT 训练 → 真机回放验证。跑通这条线再考虑 VLA 微调这类进阶玩法。想参与贡献入口很明确新算法照着src/lerobot/policies/里任意一个子包的模板写新硬件实现Robot接口数据集按 V3 格式整理后上传 Hub文档补充放在docs/source/。Issue 和 PR 都活跃第一周就可以提一个小的文档修正练手。机器人学习过去是大团队 大预算的游戏现在一台桌面臂加一块消费级显卡就能入门——这就是 LeRobot 这套框架最实在的价值。【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
LeRobot 手把手完整指南：机器人学习框架从安装到真机控制
LeRobot 手把手完整指南机器人学习框架从安装到真机控制【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你把杯子放在桌上说了一句抓起来——机械臂真的动了夹爪张开稳稳夹住。想让这句话从演示视频变成你自己能复现的项目靠的就是 LeRobot一个基于 PyTorch 的机器人学习框架把数据、算法和真机三件事都替你串好了。LeRobot 是什么一句话说清定位LeRobot 是 Hugging Face 团队维护的开源机器人学习框架当前版本 0.6.2覆盖从遥操作采集数据、训练策略模型到部署上真机的完整流程。对新手来说它给你三样东西统一的硬件接口所有机器人都实现同一个Robot抽象类代码里只有connect()/get_observation()/send_action()三个动作。它就像机器人界的 USB-C 接口——换插头不换线今天接 SO100 桌面臂明天接 Unitree G1 人形算法代码不用改。标准化的数据格式LeRobotDataset V3 用 Parquet 存状态和动作、MP4 存视频Hugging Face Hub 上有大量开箱即用的公开数据集一行代码加载。现成的 SoTA 算法模仿学习ACT、Diffusion、强化学习TDMPC、视觉-语言-动作模型Pi0、GR00T N1.7、SmolVLA都是纯 PyTorch 实现训练完可以直接下发到真机。5 分钟上手最快安装与第一段传感器数据安装很简单两条命令装包然后确认环境正常。pip install lerobot lerobot-infolerobot-info会打印你的 GPU、Python 版本等环境信息跑通了说明基础环境没问题。如果想翻源码仓库可以git clone https://gitcode.com/GitHub_Trending/le/lerobot拉下来看。接下来拿到你的第一份传感器数据。下面这段就是 LeRobot 最核心的用法——连上机器人读一帧观测from lerobot.robots.myrobot import MyRobot robot MyRobot(config...) robot.connect() obs robot.get_observation() print(obs)把MyRobot换成你手上的具体机型即可比如 SO100/SO101 的 follower具体型号见 src/lerobot/robots/ 目录。obs是一个字典键是特征名如observation.images.top、各关节角度值是图片张量和数值。拿到它你就跨过了机器人开发里最劝退的一步——硬件通信。有了数据训练一条策略也是一行命令的事以 ACT 为例数据集用官方公开的厨房柜门任务lerobot-train \ --policy.typeact \ --dataset.repo_idlerobot/aloha_mobile_cabinet它是怎么干活的数据、策略、硬件三个齿轮LeRobot 的仓库看着大但从你的视角只有三个齿轮在转每个都很好类比数据齿轮src/lerobot/datasets/。一个数据集 同步的 MP4 视频 对应的 Parquet 表格。可以想象成带 Excel 日志的监控录像视频是看到了什么Parquet 是那一帧机器人手臂在哪个位置、下一帧要往哪动两者时间戳严格对齐。训练时它支持流式加载视频按需解码不会把几百 GB 的数据一次性塞进内存。策略齿轮src/lerobot/policies/。每个算法是一个独立子包act/、diffusion/、pi0/、groot/……通过工厂函数按名字实例化。这相当于可换装的发动机训练循环、数据加载、日志记录都是同一套底盘你只换模型本体。中间还有一条处理器流水线src/lerobot/processor/负责把原始观测做标准化、把模型输出转回机器人能执行的动作——就像数据进出引擎前的变速箱。硬件齿轮src/lerobot/robots/。所有真机、遥操作器都遵守同一套接口所以采集→训练→部署这条链路对任何机器人都成立。想接自己的机器人实现Robot抽象类的几个方法即可社区第三方插件UR5e、Franka、Piper 等也是这么接进来的。该选哪个算法按任务场景决策第一次接触的人最容易在 ACT、Diffusion、GR00T、Pi0 之间迷路。别背参数按场景选你的任务场景优先选一句话理由桌面臂 自己遥操作录的演示想先跑通全流程ACT默认起步项稳定、算力要求适中演示数据动作多样同一任务多种抓法Diffusion扩散模型天然适合多模态动作分布要听懂中英文指令、在真机上做泛化操作GR00T N1.7 / Pi0 / Pi0.5VLA视觉-语言-动作模型指令进、动作出VLA 太慢想快速推理Pi0Fast 或 SmolVLA分别为 Pi0 的加速版和小体量 VLAVLA 类模型的思路是用预训练的视觉语言模型看画面、读指令再通过 DiTDiffusion Transformer一种用扩散过程逐步画出动作序列的 Transformer 结构把语言里的意图翻译成关节动作。各算法的详细 README 和显存需求都在文档目录里选之前先对一下你的显卡。真机落地清单从仿真到真机的 5 步与对策别跳过这一步直接上真机按顺序走一遍能省掉大部分半夜调试找端口跑lerobot-find-port按提示拔掉再插上 USB脚本会告诉你机器人挂在哪个/dev/tty*上。坑端口号每次插拔可能变别硬编码。找相机跑lerobot-find-cameras它会打印相机信息并把测试帧存到lerobot/outputs/captured_images顺手验证画面方向是否正常。校准lerobot-calibrate一次性完成关节先大致摆到中间位置。注意--robot.id这个名字后续所有命令都要保持一致它是找校准文件的钥匙写错一个字母就白校准。先仿真用lerobot-eval --env.typelibero ...在 LIBERO、MetaWorld 等仿真环境里先评估策略。仿真里不行的东西真机上不会更好。上真机三个高频问题各有对策——传感器差异仿真相机是完美的真机会抖、会偏色。对策采集数据时把相机架固定死训练数据里包含光照变化别只录黄金环境。延迟真机推理 通信会引入延迟动作慢半拍。对策框架内置异步推理src/lerobot/async_inference/模型服务端算、机器人端执行解耦和 RTC实时动作校正这类机制专门用来补偿控制回路延迟。安全上机前确认关节限位校准过先空载小范围试跑桌上别放贵重物品。常见问题速查5 个高频问题机器人连不上报连接超时90% 是端口或驱动问题先用lerobot-find-port确认真实端口再检查系统是否装了串口相关依赖。校准做了但动作总是差一截检查--robot.id在lerobot-calibrate、lerobot-record、lerobot-teleoperate里是否完全一致——校准文件按这个 id 存取对不上就会用到旧标定或没标定。真机上动作感觉滞后正常现象推理本身需要几十到几百毫秒。优先启用异步推理src/lerobot/async_inference/或带 RTC 的策略如 pi0_fast、smolvla把计算和执行解耦。训练损失不降或剧烈震荡先检查数据分布episode 是否混入了乱动片段再调学习率。训练命令支持--wandb.enabletrue接上日志面板盯着曲线看别盲跑几小时。我的显卡跑得动哪个模型去翻仓库根目录 README 的模型分类表和文档目录 docs/source/ 下的硬件指南每个策略都标了显存与训练时长预期不确定就从小模型SmolVLA、ACT起步。接下来怎么走学习路径与社区入口建议的路线先读一遍命令速查表 docs/source/cheat-sheet.mdx把 find-port、calibrate、record、train 几条命令抄熟再跟examples/notebooks/quickstart.ipynb走一遍流程然后给自己定一个小任务录 30 条演示 → ACT 训练 → 真机回放验证。跑通这条线再考虑 VLA 微调这类进阶玩法。想参与贡献入口很明确新算法照着src/lerobot/policies/里任意一个子包的模板写新硬件实现Robot接口数据集按 V3 格式整理后上传 Hub文档补充放在docs/source/。Issue 和 PR 都活跃第一周就可以提一个小的文档修正练手。机器人学习过去是大团队 大预算的游戏现在一台桌面臂加一块消费级显卡就能入门——这就是 LeRobot 这套框架最实在的价值。【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