快速上手 gr00t17-lerobot-libero_goal-640如何用 lerobot-rollout 一行命令驱动机器人执行任务【免费下载链接】gr00t17-lerobot-libero_goal-640项目地址: https://ai.gitcode.com/hf_mirrors/nvidia/gr00t17-lerobot-libero_goal-640想让机械臂听懂一句自然语言指令并自动完成操作gr00t17-lerobot-libero_goal-640 正是为这件事而生它是 NVIDIA GR00T N1.7 基础模型在 LIBERO 目标条件任务上微调得到的开源机器人策略模型。借助 LeRobot 生态你只需一条lerobot-rollout命令就能驱动机器人执行任务无需编写任何推理代码。本篇文章面向新手带你从零认识这个模型并完成首次机器人任务执行。gr00t17-lerobot-libero_goal-640 是什么一次看懂这个机器人模型gr00t17-lerobot-libero_goal-640 是基于 NVIDIAGR00T N1.7的跨形态机器人基础模型采用 Cosmos-Reason2 / Qwen3-VL 视觉语言骨干配合 flow-matching流匹配动作 Transformer 输出动作。它在libero_goal数据集上完成了 2 万步微调专门服务于 LIBERO 仿真中的目标条件任务goal-conditioned tasks比如把积木放进碗里这类指令。训练配置项数值训练步数20000批次大小全局6402 × 320优化器AdamW学习率0.0001随机种子42LeRobot 版本0.6.1这些配置完整记录在仓库的 train_config.json 中而模型卡与使用说明则在 README.md。顺带一提名字里的640正对应训练时的全局批次大小属于 GR00T N1.7 开源配方published-oss-libero的标准配置。模型如何工作输入输出一目了然这个模型是一个典型的视觉-语言-动作VLA策略它同时接收两个摄像头画面、机器人本体状态和一句语言指令然后输出 7 维动作。具体规格如下类型特征名形状视觉输入observation.images.image(256, 256, 3)视觉输入observation.images.wrist_image(256, 256, 3)状态输入observation.state(8,)动作输出action(7,)模型结构细节见 config.json输入如何被打包成 GR00T 需要的格式见预处理流水线 policy_preprocessor.json输出如何还原为机器人真实动作见 policy_postprocessor.json。对新手来说这些文件无需修改了解即可。快速上手一行 lerobot-rollout 命令驱动机器人执行任务安装好 LeRobot 并接好机器人、相机之后驱动机器人执行任务只需要一条命令示例来自 README.mdlerobot-rollout \ --strategy.typebase \ --robot.typeyour_robot_type \ --robot.portyour_robot_port \ --robot.cameras{ camera_1: {type: opencv, index_or_path: index_or_path, width: 640, height: 480, fps: 30}, camera_2: {type: opencv, index_or_path: index_or_path, width: 640, height: 480, fps: 30}} \ --policy.pathnvidia/gr00t17-lerobot-libero_goal-640 \ --taskyour_task_description \ --duration60把其中的...占位符换成你自己的值即可--robot.port和相机名称、索引跟你的机器有关相机名称必须与模型训练时的 observation 键保持一致即 image 与 wrist_image 两个视图。lerobot-rollout 命令参数逐项解析对新手来说最困惑的往往是这一长串参数。这里用表格帮你快速对应参数作用填写建议--strategy.type推理策略base表示只执行动作、不录制 episode--robot.type机器人型号与你的真实硬件一致--robot.port机器人通信端口不同设备各不相同--robot.cameras相机参数需同时配置两个视角名称对齐 observation 键--policy.path策略模型路径直接填nvidia/gr00t17-lerobot-libero_goal-640--task任务描述用自然语言描述如pick up the red block--duration运行时长秒省略时策略将无限运行运行前的 3 个准备步骤✅安装 LeRobot按官方文档装好lerobot包确认 CLI 命令可用✅准备硬件组装并校准机器人本体与两个相机主相机 腕部相机✅确认 GPU 环境模型推理默认走cuda需要一张足够显存的 NVIDIA 显卡。常见问题与避坑指南相机名不匹配报错多源于相机键名与observation.images.image/wrist_image不一致改名对齐即可base 策略不记录数据--strategy.typebase只做推理不保存 episode需要录制请查阅 rollout 文档想离线使用模型也可以克隆本仓库到本地命令为git clone https://gitcode.com/hf_mirrors/nvidia/gr00t17-lerobot-libero_goal-640再配合本地权重路径运行。仓库文件速览文件作用README.md模型卡、输入输出与使用说明config.json模型结构与推理参数train_config.json完整训练超参数与日志配置policy_preprocessor.json输入预处理流程定义policy_postprocessor.json输出后处理流程定义model.safetensors模型权重文件小结gr00t17-lerobot-libero_goal-640 让用语言指挥机器人变得触手可及不需要深度学习背景不需要写推理代码一条lerobot-rollout命令即可驱动机器人执行任务。希望这篇快速上手教程能帮你完成从环境准备到首次任务执行的完整闭环接下来不妨试着更换任务描述体验 GR00T 在 LIBERO 场景中的泛化能力【免费下载链接】gr00t17-lerobot-libero_goal-640项目地址: https://ai.gitcode.com/hf_mirrors/nvidia/gr00t17-lerobot-libero_goal-640创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考