企业官网建设流程全解析

5 条命令跑通 LeRobot：从安装到真机部署的落地路径

【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

LeRobot 是 Hugging Face 开源的端到端机器人学习框架，用一套统一的 Python 接口把硬件控制、数据采集、策略训练和真机部署串成一条流水线，目标人群是从第一台低成本机械臂起步、想把手头机器人真正"教会"任务的人。

它解决了什么

• 硬件接口碎片化：SO100、LeKiwi、Koch、Unitree G1 各有各的串口协议和电机 SDK，换个平台就得重写一遍控制代码。场景：你刚把 SO100 遥操作跑通，想换成 HopeJR 复现同样的任务，却发现控制逻辑一行都不能复用。
• 数据格式各做各的：每个实验室存的数据结构都不一样，别人拿不走你的数据，你也训不了别人的数据。场景：想用社区里一个推箱子数据集微调策略，结果它和自家采集的字段对不上，只能重采。
• 仿真到真机没有桥梁：在仿真里调好的策略，部署到真机还要再写一套推理循环。场景：策略在 LIBERO 上 9 成了，上真机却卡在相机读取和动作频率的适配上。

LeRobot 用三样东西对应这三个问题：统一的Robot接口、标准化的LeRobotDataset格式，以及从lerobot-record到lerobot-rollout的完整 CLI 工具链。

多种机器人硬件的统一控制演示

安装环境与最小上手路径

当前版本 0.6.2 要求 Python ≥ 3.12（pyproject.toml 中明确声明），建议按下面 5 条命令走：

conda create -y -n lerobot python=3.12 && conda activate lerobot pip install 'lerobot[core_scripts,training]' # 数据采集/回放 + 训练依赖 conda install ffmpeg -c conda-forge # 视频解码依赖 lerobot-info # 验证安装

然后接到 SO100 之类的机械臂上，记录第一批数据（20 集即可开始试训）：

lerobot-record --robot.type=so100_follower \ --teleop.type=so100_leader \ --dataset.repo_id=yourname/my-dataset --episodes=20

跨平台差异只需注意这几点：

装完先跑通数据读取，确认数据集可用：

from lerobot.datasets import LeRobotDataset dataset = LeRobotDataset("lerobot/aloha_mobile_cabinet") print(dataset[0]) # 取第一帧：视频帧 + 状态 + 动作 print(dataset.meta.total_episodes)

用统一接口控制任意机器人

场景：你手上不止一台机器人，但每台的连接方式、观测结构都不同。LeRobot 把控制逻辑抽象成get_observation()/send_action()两个方法，硬件细节藏在具体子类里：

from lerobot.robots.so_follower import SOFollower from lerobot.utils.robot_utils import send_policy_action_to_robot robot = SOFollower(port="/dev/ttyACM0", cameras={"top": {"type": "opencv", "index_or_path": 0}}) robot.connect() obs = robot.get_observation() action = policy.select_action(obs) robot.send_action(action)

原生支持 SO100、LeKiwi、Koch、HopeJR、OMX、EarthRover、Reachy2、OpenARM、Unitree G1、reBot B601 等硬件，外加游戏手柄、键盘、手机这类遥操作设备。你的机器人不在列表里？实现Robot接口即可接入同一套工具链。

SO100 在实际抓取任务中的表现

管理标准化数据集

场景：数据采了几百个小时，想删掉几集失败的、按 8:2 切分、再合并两次采集的结果。LeRobotDataset 格式用 MP4 存视频、Parquet 存状态和动作，二者按帧同步，LeRobotDataset按索引取帧时自动处理视频解码。配套 CLI 覆盖常用操作：

lerobot-dataset-viz --repo_id=yourname/my-dataset # 浏览器可视化 lerobot-edit-dataset --repo_id=yourname/my-dataset # 删集/切分/改特征

视觉-语言-动作模型的架构示意

训练策略与部署到真机

场景：数据有了，接下来是选算法、训练、部署。策略库覆盖模仿学习（ACT、Diffusion、VQ-BeT、Multitask DiT）、强化学习（HIL-SERL、TDMPC）和 VLA 模型（Pi0、Pi0Fast、GR00T N1.7、SmolVLA、XVLA、EO-1、MolmoAct2 等），训练只需一条命令：

lerobot-train --policy.type=act \ --dataset.repo_id=yourname/my-dataset

从实验到生产分三步走：

1. 本地验证：先在仿真基准上量化策略表现，不用碰真机——

   lerobot-eval --policy.path=lerobot/pi0_libero_finetuned \ --env.type=libero --env.task=libero_object --eval.n_episodes=10

2. 边缘部署：lerobot-rollout是部署到真机的统一入口，一条命令接管控制循环：

   lerobot-rollout --strategy.type=base \ --policy.path=${HF_USER}/my_policy --robot.type=so100_follower \ --robot.port=/dev/ttyACM0 --task="pick up cube" --duration=60

3. 长期运行：换--strategy.type=sentry，策略持续自主运行并自动录制新数据、按 episode 切分后上传 Hub，数据闭环不用人工盯着。

专业建议：不同策略的 GPU/显存需求和训练时长差异很大，部署前先在 docs 的 Hardware Guide 里查清自己机器的预算，避免训练到一半才发现显存不够。

高频坑点

• 现象：pip install lerobot后跑lerobot-record报电机/硬件相关 ImportError →根因：基础包只含核心 ML 依赖，硬件功能在 extras 里 →解法：装lerobot[core_scripts]（记录/回放）或lerobot[hardware]（接真机）。
• 现象：加载数据集时视频帧解码失败 →根因：TorchCodec 依赖系统 ffmpeg 缺失 →解法：conda install ffmpeg -c conda-forge，PyTorch < 2.10 时系统级 ffmpeg 不生效，必须用 conda 装。
• 现象：Linux 下连机械臂提示串口无权限 →根因：当前用户不在 dialout 组 →解法：sudo chmod 666 /dev/ttyACM0（临时）或把用户加进 dialout 组。
• 现象：Python 3.10/3.11 环境pip install lerobot报 Requires-Python →根因：0.6.x 起要求 Python ≥ 3.12 →解法：重建 3.12 虚拟环境，旧环境直接弃用。
• 现象：VLA 类模型训练时 CUDA OOM →根因：Pi0 等大模型显存占用高 →解法：先按 Hardware Guide 核对预算，再降分辨率/批量，或改用 SmolVLA 这类轻量模型。

生态与下一步

硬件侧原生支持 13 类机器人和多种遥操作设备，社区还以lerobot_robot_*插件形式覆盖 xArm、UR5e、Franka 等第三方平台；数据侧 Hugging Face Hub 上有数千个机器人数据集可直接拉取；算法侧从 ACT 到 VLA 的谱系基本齐全，每个策略都附 GPU 需求说明。

• 新手：组装一台 SO-100，跑通遥操作与记录
• 研究者：选一个策略在 LIBERO 上复现基线
• 工程师：用 lerobot-rollout 部署策略做 A/B 评测

【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