企业官网建设流程全解析

LeRobot 机器人学习框架入门指南：3 步从仿真走到真机

【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

如果你打算用 PyTorch 做机器人学习，LeRobot 是一个值得放进工具箱的开源机器人学习框架。它把数据集、策略模型和硬件驱动打包在同一套接口里，让你不用为"算法一套代码、硬件另写一套代码"而头疼。本文带你走通安装、能力版图、实战训练和选型判断这几条主线。

换一台机器人，难道要重写一遍控制代码？

先聊聊你可能踩过的坑：手里有两三台不同品牌的机械臂，每台串口协议、关节命名都不一样；采集回来的数据一半是 bag 文件、一半是 CSV，训练时还要逐个写解析脚本；好不容易调好的模仿学习策略，换个平台就得重新对齐观测空间。这些重复劳动，才是真正拖慢你进度的地方。

LeRobot 的思路是把这三件事收进统一的抽象里：Robot类屏蔽硬件差异，LeRobotDataset统一数据格式，Policy类固定输入输出接口。你换设备时只改配置，不动训练代码；换数据集时只改 repo id，不动采样逻辑。对新手来说，这意味着你可以先在一个低成本机械臂上跑通全流程，再平滑迁移到自己的平台。

⚡ 5 分钟装好并验证 LeRobot

环境要求不高：Python 3.12 及以上，PyTorch 2.10 及以上；训练阶段建议有 CUDA GPU，纯 CPU 也能跑通数据加载和推理。系统上 Ubuntu 22.04、macOS 12+ 都可以。

官方推荐用 uv 管理依赖（也可以 conda/venv，见 docs/source/installation.mdx）：

git clone https://gitcode.com/GitHub_Trending/le/lerobot cd lerobot uv sync --all-extras python -c "import lerobot; print(lerobot.__version__)"

装完后运行lerobot-info，它能打印当前环境、GPU 状态和可用硬件，是排障时的第一站。如果只想快速试用而不改源码，pip install lerobot也可以直接从 PyPI 安装。

🧩 能力版图：数据、算法策略、硬件三条线

数据线。LeRobotDataset V3 格式用 Parquet 存状态与动作、MP4 存图像，天然支持流式加载。删片段、按比例拆分、合并多个数据集都有现成 CLI 工具，入口在 src/lerobot/datasets/。

算法策略线。src/lerobot/policies/ 下实现了 ACT、Diffusion、VQ-BeT 等模仿学习策略，TDMPC、HIL-SERL 等强化学习策略（RL 训练循环在 src/lerobot/rl/），以及 Pi0、SmolVLA、GR00T N1.7 等视觉语言动作（VLA）模型，全部是纯 PyTorch 实现。

硬件线。src/lerobot/robots/ 内置了 SO-100、LeKiwi、Reachy2、OpenArm 等机型驱动；src/lerobot/motors/ 提供 Dynamixel、Feetech 等舵机总线封装；src/lerobot/cameras/ 覆盖 OpenCV、RealSense、ZMQ 视频源。

模块速查表：

🤖 以机械臂任务为例：采集 → 训练 → 评估走一遍

以常见的 SO-100 双臂/单臂操作任务为例（参考 examples/so100_to_so100_EE/record.py 这类现成脚本）。

第一步，采集数据。用lerobot-record配上遥操作设备（键盘、手机或主臂都行），把演示存成标准格式。每段轨迹自动带上时间戳对齐的图像帧和关节状态，你不需要自己写落盘逻辑。

第二步，训练策略。训练一条命令就能起，配置全部走命令行参数，例如在 examples/training/train_policy.py 的基础上跑：

lerobot-train \ --policy.type=act \ --dataset.repo_id=<你的数据集repo_id>

想自己写训练循环也可以，官方示例把配置类、数据集统计量、delta 时间戳这些关键步骤都写清楚了。

第三步，部署评估。先在真机回放看手感，再用统一评估脚本跑定量指标：

lerobot-eval \ --policy.path=<checkpoint路径> \ --env.type=libero \ --eval.n_episodes=10

下面是该框架控制多种机器人硬件的实际演示效果：

算法怎么选不踩坑

选择策略时，先看你的任务类型和数据量，再看算力预算：

硬件匹配上给三条经验：

• 机械臂高频控制：优先 ACT 或 Pi0 系列这类低延迟策略，推理耗时直接影响任务成功率。
• 移动机器人/导航：数据量够大时上 Diffusion 或 VLA 类，感知与决策一体。
• 探索性任务：环境交互成本低才选 TDMPC 这类 RL 路线，纯离线数据喂不动。

🛠 高频问题 FAQ

依赖冲突装不上怎么办？

回到干净环境，用uv sync --all-extras重装；若 WSL 用户报 evdev 相关错误，按安装文档单独装一下 evdev。

机器人连不上、串口找不到？

先运行 src/lerobot/scripts/lerobot_find_port.py 列出可用串口，再用舵机配置脚本重连；线缆和波特率是两个最高频的元凶。

训练很慢或显存不够？

减小 batch size、缩短观测窗口（delta 时间戳里的帧数），或换参数量更小的策略；docs/source/hardware_guide.mdx 里列了各策略的 GPU 需求参考。

推理时机器人动作抖动？

检查 src/lerobot/processor/ 里的归一化统计量是否和训练时一致，再看遥操作回放的帧率是否与录制时一致。

📚 学完本文之后去哪？

• 安装与硬件接入细节：docs/source/installation.mdx
• 可运行示例：examples/ 目录，覆盖数据集、遥操作、训练各条线
• 正确性参考：tests/ 下的单测，看核心 API 的标准用法
• 自写策略指南：docs/source/bring_your_own_policies.mdx
• 贡献流程与代码规范：CONTRIBUTING.md
• 各硬件与策略的专题文档：docs/source/ 按机型和算法分篇

【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