LeRobot 实战从 SO100 机械臂到端到端策略训练的 5 步保姆级指南【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 开源的 PyTorch 机器人学习库把真实机器人上的数据采集、策略训练与部署推理放进同一套接口里底层代码都在src/lerobot/下。读完这篇指南你会装好环境、用一条 SO100 机械臂跑通「遥操作 → 采集 → 训练 ACT 策略」的完整链路并知道卡住时该查哪些地方。 适合谁用一条 SO100 机械臂做端到端机器人学习想象你桌上有一条几百块的 SO100 机械臂和一台相机你想让它学会「把杯子推到指定位置」。传统做法是你要自己写串口通信、标定、存储、训练循环每一块都可能踩坑。LeRobot 的做法是把这些统一成一套命令你只管--robot.typeso100_follower这样的参数标定、遥操作、录制、训练各是一个lerobot-*子命令。一句话定位LeRobot 是一个硬件无关的 Python 接口让你「用统一命令操控不同机器人、用统一格式存数据、用统一脚本训练策略」。它原生支持的硬件从 SO100、LeKiwi 这类低成本臂到 Reachy2、Unitree G1 这种人形/移动平台列表在 docs/source/il_robots.mdx 里能查到。硬件不够时也不用改源码——社区用lerobot_robot_name前缀的插件包即可自动被发现见src/lerobot/robots/下的 Robot 接口。 最小上手三步装好 LeRobot 并验证第 1 步准备环境。官方要求 Python ≥ 3.12、PyTorch ≥ 2.7建议用 conda 建独立环境避免和别的依赖打架。视频解码默认走 TorchCodec需要系统里装ffmpegconda install ffmpeg -c conda-forge即可。第 2 步安装并验证。基础包故意做得很轻只装核心 ML 依赖按你要做的活儿再补上「extra」。下面这条命令一次装齐「采集 训练」所需的组合pip install lerobot[core_scripts,training] lerobot-infolerobot-info会打印你的系统配置和已检测到的 ffmpeg 版本能正常输出就说明装好了。各 extra 的组合如下按你的工作流挑一个Extra 组合额外提供对应工作流core_scripts数据集 硬件 可视化依赖记录 / 回放 / 标定training数据集 accelerate wandb训练策略core_scripts,training以上全部采集后直接训练第 3 步跑通第一个示例。不想接硬件的话直接打开 examples/notebooks/quickstart.ipynb在 Configuration 单元格里填好参数后 Run All它会把标定、遥操作、录制、训练、推理每一步现成的终端命令打印出来照抄即可。想读源码的硬件与遥操作示例在 examples/ 下按平台分目录如examples/so100_to_so100_EE/。️ 能力地图核心模块一览LeRobot 的能力大致分成四块各自对应src/lerobot/下的一个子目录按下表对号入座模块目录作用适用场景robots/teleoperators/统一的 Robot/Teleoperator 接口屏蔽串口与电机差异操控 SO100、LeKiwi、Reachy2 等硬件datasets/LeRobotDataset 格式MP4 视频 Parquet 状态/动作支持流式读写与增删合并采集、存储、可视化机器人数据policies/纯 PyTorch 实现的策略模型ACT、Diffusion、Pi0、GR00T N1.7、SmolVLA 等模仿学习 / 强化学习 / VLA 训练与部署scripts/一组lerobot-*命令行record、train、eval、replay、calibrate把上面三块串成端到端流程上这张图是 VLAVision-Language-Action视觉-语言-动作模型的策略结构相机图像和自然语言指令一起喂进 Transformer输出动作。它对应policies/下 GR00T、Pi0、XVLA 这类模型而 ACT、Diffusion 这类模仿学习模型则更轻量适合先在一条机械臂上跑通。 完整实战流程从遥操作到训练 ACT 策略下面走一遍最有代表性的「低成本机械臂学推杯子」链路共五步。前四步都是现成命令最后一步是核心。找端口lerobot-find-port列出串口lerobot-find-cameras opencv列出相机索引。标定lerobot-calibrate --robot.typeso100_follower --robot.port端口每条臂首次使用前做一次。遥操作lerobot-teleoperate加--display_datatrue可实时看到画面确认主臂带动从臂动作顺滑。采集lerobot-record --robot.typeso100_follower --teleop.typeso101_leader --dataset.repo_id用户/my-data --dataset.num_episodes50 --dataset.single_taskpush the cup数据按 LeRobotDataset 格式落盘可加--resumetrue断点续采。训练这一步是整条链路的「核心命令」直接对采集到的数据集训练一个 ACTAction Chunking with Transformers动作分块 Transformer策略lerobot-train \ --policy.typeact \ --dataset.repo_id用户/my-data训练完成后用lerobot-rollout --strategy.typebase --policy.pathcheckpoint --robot.typeso100_follower让机器人在真机上执行策略或在仿真里用lerobot-eval跑 LIBERO、MetaWorld 等基准打分。想换策略只改--policy.typeact/diffusion/pi0/smolvla…其余流程不变各策略的依赖 extra 和显存需求见 docs/source/ 下的硬件指南。️ 高频排障三个最常见的问题现象ImportError/ 装了却没反应。原因只装了基础pip install lerobot没带对应 extra或系统缺ffmpeg导致视频解码失败。解法按工作流补装pip install lerobot[core_scripts,training]并conda install ffmpeg -c conda-forge再用lerobot-info复核。现象lerobot-find-port没列出预期端口、连不上机器人。原因串口线松、端口被占用或当前用户对/dev/tty*没有读写权限。解法重新插拔并lerobot-find-port确认端口检查该端口的访问权限WSL 下还需按 docs/source/installation.mdx 补装evdev。现象训练时报CUDA out of memory。原因相机分辨率高且batch_size偏大显存被图像张量吃满。解法降低相机分辨率或减小 batch也可把--policy.device临时设成cpu先跑通流程再逐步调参。 资源与行动清单文档docs/ 目录按主题组织从 docs/source/installation.mdx安装到 docs/source/il_robots.mdx各硬件采集与训练再到各策略 README如 docs/source/policy_act_README.md是排障和深入的第一入口。示例examples/ 下的教程如 examples/tutorial/act/给出从训练到调用的最小可运行代码examples/notebooks/quickstart.ipynb则把全流程命令一次性生成。社区加入官方 Discord 与 XLeRobotHF跟踪更新问题与需求走 GitHub Issues。接下来你可以做打开 quickstart notebook把 Configuration 单元格改成你自己的端口与任务描述Run All 生成你的专属命令。先不接硬件用 Hub 上的现成数据集跑一条lerobot-train --policy.typeact熟悉训练与 checkpoint 结构。接上你的 SO100走完标定 → 遥操作 → 录制 → 训练 → rollout 的五步闭环再按 docs/source/ 换--policy.type试一个 VLA 模型。读src/lerobot/robots/与src/lerobot/policies/的接口了解如何为自己的机器人或策略写一个插件。【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
