企业官网建设流程全解析

LeRobot 机器人学习框架教程：如何用 3 条命令跑通 SO-100 数据采集与 ACT 策略训练

【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 PyTorch 机器人学习框架，打通硬件控制、数据采集和策略训练。这篇教程带你装好环境，并走一遍从遥操作录数据到训练出策略的完整链路。

值不值得试：先看你踩不踩这些坑

上手机器人学习，最常见的三个卡点：

1. 硬件各写各的 API，SO-100 的控制代码搬到别的手臂上基本要重写；
2. 采集到的数据散落成 MP4 加 CSV，别人无法直接用，自己也难复用；
3. 想试 ACT、Pi0 这类新策略，得自己拼数据管线和训练脚本。

LeRobot 就是冲着这三件事来的：一个统一的Robot接口接管 SO-100、LeKiwi、Unitree G1 等十几款硬件；一个 LeRobotDataset 标准格式收纳全部数据（Hugging Face Hub 上已有数千个公开数据集）；内置 ACT、Diffusion、Pi0、GR00T 等一批现成策略。

核心概念：LeRobot 靠什么把三件事串起来

一句话拆解它的架构：接口层 + 数据层 + 策略层。

• 接口层：所有硬件实现同一个Robot接口，你只调connect()、get_observation()、send_action()三个动作，换硬件不改代码；
• 数据层：LeRobotDataset 把观测存成 MP4 视频、状态和动作存成 Parquet，两者按帧对齐，支持流式读取和可视化；
• 策略层：模仿学习（ACT、Diffusion、VQ-BeT）、强化学习（HIL-SERL、TDMPC）、视觉-语言-动作模型（Pi0、GR00T N1.7、SmolVLA）都是纯 PyTorch 实现，训练和推理共用同一套数据接口。

数据层的存储分工可以这样记：

快速安装 LeRobot：环境要求与一步到位命令

环境要求很明确：Python 3.12+，PyTorch 2.10+，视频解码依赖ffmpeg。装之前建议先建一个干净环境，避免和别的项目的依赖打架。

conda create -y -n lerobot python=3.12 conda activate lerobot pip install "lerobot[core_scripts]" conda install ffmpeg -c conda-forge

core_scripts这个 extra 包含了dataset+hardware+viz三组依赖，够你用lerobot-record、lerobot-replay这些采集回放命令；后面要训练再补pip install "lerobot[training]"。

成功的标志：运行lerobot-info，能打印出版本和已加载的功能模块，就说明装好了。

上手走一遍：SO-100 遥操作录数据、ACT 策略训练

以最典型的 SO-100 桌面机械臂为例，整条链路是：配置电机 → 遥操作录数据 → 训练 → 评估。硬件相关的准备命令（找端口lerobot-find-port、写电机 IDlerobot-setup-motors、标定lerobot-calibrate）都带交互引导，跟着提示按回车就行。

核心流程命令对照（lerobot-record具体参数按你装的机器人和遥操作器类型填）：

训练本身真的只是两行参数：

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

成功的标志：训练日志出现逐步下降的 loss，checkpoints/目录里生成 checkpoint 文件。

第一次跑 LeRobot 的常见坑与修复

坑 1：串口打不开，报 Permission denied现象是连接电机时报/dev/ttyACM0无法读写。原因是 Linux 默认不给普通用户 USB 串口权限。解决：sudo chmod 666 /dev/ttyACM0（多总线时把 ttyACM1 等一并放开）。

坑 2：加载数据集时视频解码报错原因是 TorchCodec 解码需要ffmpeg，而很多机器上没装。解决：conda install ffmpeg -c conda-forge；Intel 版 macOS、Linux ARM 等平台会自动回退到 pyav，可以跳过。

坑 3：训练时 CUDA out of memory原因是 VLA 类模型参数量大，batch 一次塞不下。解决：减小 batch size、开梯度累积，或降低输入图像分辨率再重新采数。

进一步资源：文档与源码目录清单

• 安装与平台适配细节：docs/source/installation.mdx
• 各款机器人的组装与配置指南（SO-100 全流程在 docs/source/so100.mdx）
• 硬件抽象层源码：src/lerobot/robots/
• 策略模型实现：src/lerobot/policies/
• 数据集读写与统计工具：src/lerobot/datasets/
• 可运行的场景示例（遥操作、训练、回放）：examples/
• 第三方机器人插件机制：装lerobot_robot_<名称>前缀的包即可被 CLI 自动发现，详见 docs/source/third_party_robots.mdx

🔧 LeRobot 把机器人学习最碎的三块——硬件、数据、策略——收进了一个 PyTorch 框架里。下一步就动手：把examples/里的 SO-100 流程跑一遍，遇到硬件或参数问题，直接在仓库提 Issue 找维护者确认。

【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