LeRobot 开源机器人学习框架10 分钟跑通你的第一条机械臂策略【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 推出的开源机器人学习框架基于 PyTorch 编写把机器人控制、数据采集、策略训练和部署统一成一套命令行工具。它覆盖从 SO-100 低成本机械臂到 Reachy2 人形机器人的硬件无论你是想给机械臂装上眼睛的开发者还是想做机器人模仿学习的研究者都能直接上手。换一台机械臂就要重写一遍控制代码做过机器人开发的人都熟悉这个循环换一台机械臂要重读一遍串口协议、重写电机驱动、重新对齐相机数据换一个数据集又要写一遍解析脚本。控制逻辑和硬件细节死死绑在一起经验没法复用。LeRobot 的解法很直接把读观测、发动作两个动作抽象成统一接口硬件差异全部藏到接口后面。策略代码只面对观测字典和动作张量不关心底下是串口舵机还是 CAN 总线。三大核心能力拆解硬件抽象层像设备驱动一样换机器人把硬件抽象层想象成操作系统的设备驱动应用层不写驱动代码换硬件只换驱动。LeRobot 用一个统一的Robot接口封装所有平台Feetech 舵机、Dynamixel 伺服、CAN 总线设备的协议差异被隔离在驱动层内部。from lerobot.robots.myrobot import MyRobot robot MyRobot(config...) robot.connect() obs robot.get_observation() action model.select_action(obs) robot.send_action(action)这套接口原生支持 SO-100/SO-101、LeKiwi、Koch、Reachy2、Unitree G1以及游戏手柄、键盘、手机等遥操作设备。第三方硬件做成插件包后还能被自动发现装上就能在 CLI 里直接使用。VLA 模型部署让机械臂听懂人话视觉-语言-动作VLA模型把预训练视觉语言模型和动作生成器接在一起摄像头画面加一句自然语言进去电机指令出来。以 LeRobot 内置的 GR00T 架构为例视觉编码器和文本分词器先提取场景语义状态编码器与带噪动作编码器对齐后DiT 模块迭代 K 次精炼动作序列最后由动作解码器输出电机电流可控的指令。选模型主要看硬件档位Pi0Fast1.2B 参数约 15ms/stepRTX 3060 起步适合实时控制SmolVLA700M 参数约 10ms/step可部署到 Jetson Orin 边缘设备XVLA2.1B 参数约 25ms/stepRTX 3080 起步面向通用任务GR00T N1.53.5B 参数约 45ms/step复杂任务需要 RTX 4090除 VLA 外框架还内置 ACT、Diffusion、VQ-BeT 等模仿学习策略和 TDMPC 等强化学习算法全部用纯 PyTorch 实现源码集中在 src/lerobot/policies/。LeRobotDataset 数据管道机器人数据采一次处处可用数据管道相当于机器人界的标准集装箱MP4 视频承载相机画面Parquet 文件存状态与动作两者按帧时间对齐。压缩效率高、支持流式加载大数据集不必整包塞进内存托管在 Hugging Face Hub 后版本管理和共享开箱即用。加载只需一行LeRobotDataset(lerobot/aloha_mobile_cabinet)下标访问会自动完成视频解码删除片段、按比例切分、合并数据集都有现成工具脚本核心实现在 src/lerobot/datasets/。十分钟上手LeRobot 安装到跑通第一个策略第 1 步安装。需要 Python 3.12pip install lerobot装核心库含 PyTorch 等基础依赖按工作流加 extraspip install lerobot[core_scripts]覆盖录制/回放/校准pip install lerobot[training]覆盖策略训练跑lerobot-info验证安装结果第 2 步连接机器人。以 SO-101 为例先装电机驱动pip install lerobot[feetech]用lerobot-find-port找到 USB 串口再跑lerobot-calibrate完成机械零点校准。完整组装步骤见 docs/source/so101.mdx。第 3 步采集演示数据。用另一台机械臂或手柄当主臂遥操作跟臂干活数据直接落盘成 LeRobotDatasetlerobot-record \ --robot.typeso101 \ --teleop.typegamepad \ --dataset.repo_id${HF_USER}/my_dataset \ --fps 30第 4 步训练并部署。一条命令启动 ACT 策略训练训完用lerobot-eval在真机或 LIBERO、MetaWorld 等仿真基准上评估效果。lerobot-train \ --policy.typeact \ --dataset.repo_idlerobot/aloha_mobile_cabinet场景选型建议机械臂配什么模型应用场景推荐硬件推荐模型训练数据量预期成功率简单抓取SO-100 摄像头ACT100 episodes85%双臂协作SO-101 x2Diffusion Policy500 episodes75%移动操作LeKiwi 机械臂Pi0.51000 episodes70%语言指令跟随Reachy2 VLAGR00T5000 episodes65%原则很简单任务越简单、硬件越便宜小模型加少量数据就能打需要听懂自然语言时才上 VLA数据量也要上一个量级。踩坑速查硬件问题先查这张表 真机部署的大多数怪问题出在硬件层按下表排查能省大量时间现象诊断方法解决方案舵机无响应lsmod \| grep can检查驱动重新加载 CAN 模块角度漂移 1°万用表测供电电压换带 PFC 的稳压电源同步误差 50mscandump统计包频率降低非关键数据采样率通讯超时Wireshark 抓包分析检查 120Ω 终端电阻与线缆质量还有两条容易被忽略劣质 USB 转 CAN 适配器会把通讯延迟推到 20ms 以上实时控制建议选工业级适配器6 个舵机同时启动时瞬时电流可达 8A电源要留 1.5 倍峰值余量。进阶玩法多臂协同与人机混合学习多臂协同异步推理模块把策略与机器人拆开部署——GPU 上起一个PolicyServer专职推理多台机器人各跑一个RobotClient通过 gRPC 连入。一条任务指令下发后左右臂同步执行搬运类协作任务推理延迟和机械控制彻底解耦相关代码在 src/lerobot/async_inference/。HIL-SERL 人机混合强化学习先采几条人类演示训一个奖励分类器做冷启动再由 SAC 算法在真机上在线探索人类随时可以拿手柄接管纠正危险或不收敛的动作。演示提供起点、干预兜住安全是样本效率很高的真机训练路线示例在 examples/tutorial/rl/。生态与下一步LeRobot 的生态围绕 Hugging Face Hub 展开预训练模型和数千个机器人数据集即取即用第三方机器人、遥操作器与相机以插件形式自动发现docs/source/ 里维护着完整的硬件组装指南和每篇策略教程。接下来四步就能跑起来拉取代码git clone https://gitcode.com/GitHub_Trending/le/lerobot翻一遍 docs/source/installation.mdx 与 cheat-sheet对齐你的硬件与 GPU加入 LeRobot Discord 社区硬件问题和训练技巧都有人接跑通入门示例 examples/tutorial/act/act_training_example.py完成第一轮录制 → 训练 → 回放闭环 【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 开源机器人学习框架：10 分钟跑通你的第一条机械臂策略
LeRobot 开源机器人学习框架10 分钟跑通你的第一条机械臂策略【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 推出的开源机器人学习框架基于 PyTorch 编写把机器人控制、数据采集、策略训练和部署统一成一套命令行工具。它覆盖从 SO-100 低成本机械臂到 Reachy2 人形机器人的硬件无论你是想给机械臂装上眼睛的开发者还是想做机器人模仿学习的研究者都能直接上手。换一台机械臂就要重写一遍控制代码做过机器人开发的人都熟悉这个循环换一台机械臂要重读一遍串口协议、重写电机驱动、重新对齐相机数据换一个数据集又要写一遍解析脚本。控制逻辑和硬件细节死死绑在一起经验没法复用。LeRobot 的解法很直接把读观测、发动作两个动作抽象成统一接口硬件差异全部藏到接口后面。策略代码只面对观测字典和动作张量不关心底下是串口舵机还是 CAN 总线。三大核心能力拆解硬件抽象层像设备驱动一样换机器人把硬件抽象层想象成操作系统的设备驱动应用层不写驱动代码换硬件只换驱动。LeRobot 用一个统一的Robot接口封装所有平台Feetech 舵机、Dynamixel 伺服、CAN 总线设备的协议差异被隔离在驱动层内部。from lerobot.robots.myrobot import MyRobot robot MyRobot(config...) robot.connect() obs robot.get_observation() action model.select_action(obs) robot.send_action(action)这套接口原生支持 SO-100/SO-101、LeKiwi、Koch、Reachy2、Unitree G1以及游戏手柄、键盘、手机等遥操作设备。第三方硬件做成插件包后还能被自动发现装上就能在 CLI 里直接使用。VLA 模型部署让机械臂听懂人话视觉-语言-动作VLA模型把预训练视觉语言模型和动作生成器接在一起摄像头画面加一句自然语言进去电机指令出来。以 LeRobot 内置的 GR00T 架构为例视觉编码器和文本分词器先提取场景语义状态编码器与带噪动作编码器对齐后DiT 模块迭代 K 次精炼动作序列最后由动作解码器输出电机电流可控的指令。选模型主要看硬件档位Pi0Fast1.2B 参数约 15ms/stepRTX 3060 起步适合实时控制SmolVLA700M 参数约 10ms/step可部署到 Jetson Orin 边缘设备XVLA2.1B 参数约 25ms/stepRTX 3080 起步面向通用任务GR00T N1.53.5B 参数约 45ms/step复杂任务需要 RTX 4090除 VLA 外框架还内置 ACT、Diffusion、VQ-BeT 等模仿学习策略和 TDMPC 等强化学习算法全部用纯 PyTorch 实现源码集中在 src/lerobot/policies/。LeRobotDataset 数据管道机器人数据采一次处处可用数据管道相当于机器人界的标准集装箱MP4 视频承载相机画面Parquet 文件存状态与动作两者按帧时间对齐。压缩效率高、支持流式加载大数据集不必整包塞进内存托管在 Hugging Face Hub 后版本管理和共享开箱即用。加载只需一行LeRobotDataset(lerobot/aloha_mobile_cabinet)下标访问会自动完成视频解码删除片段、按比例切分、合并数据集都有现成工具脚本核心实现在 src/lerobot/datasets/。十分钟上手LeRobot 安装到跑通第一个策略第 1 步安装。需要 Python 3.12pip install lerobot装核心库含 PyTorch 等基础依赖按工作流加 extraspip install lerobot[core_scripts]覆盖录制/回放/校准pip install lerobot[training]覆盖策略训练跑lerobot-info验证安装结果第 2 步连接机器人。以 SO-101 为例先装电机驱动pip install lerobot[feetech]用lerobot-find-port找到 USB 串口再跑lerobot-calibrate完成机械零点校准。完整组装步骤见 docs/source/so101.mdx。第 3 步采集演示数据。用另一台机械臂或手柄当主臂遥操作跟臂干活数据直接落盘成 LeRobotDatasetlerobot-record \ --robot.typeso101 \ --teleop.typegamepad \ --dataset.repo_id${HF_USER}/my_dataset \ --fps 30第 4 步训练并部署。一条命令启动 ACT 策略训练训完用lerobot-eval在真机或 LIBERO、MetaWorld 等仿真基准上评估效果。lerobot-train \ --policy.typeact \ --dataset.repo_idlerobot/aloha_mobile_cabinet场景选型建议机械臂配什么模型应用场景推荐硬件推荐模型训练数据量预期成功率简单抓取SO-100 摄像头ACT100 episodes85%双臂协作SO-101 x2Diffusion Policy500 episodes75%移动操作LeKiwi 机械臂Pi0.51000 episodes70%语言指令跟随Reachy2 VLAGR00T5000 episodes65%原则很简单任务越简单、硬件越便宜小模型加少量数据就能打需要听懂自然语言时才上 VLA数据量也要上一个量级。踩坑速查硬件问题先查这张表 真机部署的大多数怪问题出在硬件层按下表排查能省大量时间现象诊断方法解决方案舵机无响应lsmod \| grep can检查驱动重新加载 CAN 模块角度漂移 1°万用表测供电电压换带 PFC 的稳压电源同步误差 50mscandump统计包频率降低非关键数据采样率通讯超时Wireshark 抓包分析检查 120Ω 终端电阻与线缆质量还有两条容易被忽略劣质 USB 转 CAN 适配器会把通讯延迟推到 20ms 以上实时控制建议选工业级适配器6 个舵机同时启动时瞬时电流可达 8A电源要留 1.5 倍峰值余量。进阶玩法多臂协同与人机混合学习多臂协同异步推理模块把策略与机器人拆开部署——GPU 上起一个PolicyServer专职推理多台机器人各跑一个RobotClient通过 gRPC 连入。一条任务指令下发后左右臂同步执行搬运类协作任务推理延迟和机械控制彻底解耦相关代码在 src/lerobot/async_inference/。HIL-SERL 人机混合强化学习先采几条人类演示训一个奖励分类器做冷启动再由 SAC 算法在真机上在线探索人类随时可以拿手柄接管纠正危险或不收敛的动作。演示提供起点、干预兜住安全是样本效率很高的真机训练路线示例在 examples/tutorial/rl/。生态与下一步LeRobot 的生态围绕 Hugging Face Hub 展开预训练模型和数千个机器人数据集即取即用第三方机器人、遥操作器与相机以插件形式自动发现docs/source/ 里维护着完整的硬件组装指南和每篇策略教程。接下来四步就能跑起来拉取代码git clone https://gitcode.com/GitHub_Trending/le/lerobot翻一遍 docs/source/installation.mdx 与 cheat-sheet对齐你的硬件与 GPU加入 LeRobot Discord 社区硬件问题和训练技巧都有人接跑通入门示例 examples/tutorial/act/act_training_example.py完成第一轮录制 → 训练 → 回放闭环 【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