4步跑通LeRobot从录制数据到真机部署机器人策略【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/lerobot如果你的机械臂需要学会抓东西但你不想从零写电机驱动和训练循环LeRobot 可以帮上忙它是 Hugging Face 开源的机器人学习框架用 PyTorch 把采数据 → 训策略 → 部署到真机整条链路打通硬件从几十美元的 SO100 机械臂到人形机器人 Reachy2 都有现成接口。LeRobot 是什么 适合谁一句话定位一套硬件无关的 Python 接口 标准数据集格式 一批可直接训练的现成策略模型。适合有机器人哪怕是 SO100 这种低成本机械臂、想跑模仿学习或 VLA 模型的工程师不适合只想要单个模型代码的研究者它更像全流程工具箱不是模型库、需要 ROS 2 实时控制的工业产线场景可用社区插件桥接但非原生路径能力速览维度覆盖范围机器人硬件SO100、LeKiwi、Koch、HopeJR、OMX、EarthRover、Reachy2、OpenARM、Unitree G1、reBot B601遥操设备游戏手柄、键盘、手机、双臂 leader 臂、VR 手柄策略类型模仿学习ACT、Diffusion、VQ-BeT、强化学习TDMPC、HIL-SERL、VLAPi0、GR00T N1.7、SmolVLA、XVLA数据格式LeRobotDataset v3Parquet 存状态/动作 MP4 存多路相机视频仿真评测LIBERO、MetaWorld、RoboCasa、RoboMME 等标准 benchmark把环境搭好LeRobot 0.6.x 要求 Python ≥3.12这是和旧教程最容易冲突的地方。用 conda 建环境conda create -y -n lerobot python3.12 conda activate lerobot pip install lerobot[training][training]这个 extra 会带上数据集读取、accelerate 和 wandb是录数据 训练最常用的组合如果只接真机不加训练装[core_scripts]即可。装完跑lerobot-info能正常打印版本就算通了。工作流数据 → 训练 → 部署录一份自己的数据把机械臂接上用主臂遥操从臂执行任务lerobot-record会把每路相机编码成 MP4、关节状态写进 Parquet按 episode 切分后推送到 Hugging Face Hublerobot-record \ --robot.typeso101_follower \ --robot.port/dev/ttyACM0 \ --teleop.typeso101_leader \ --dataset.repo_idyour_name/my-first-dataset \ --dataset.num_episodes5 \ --dataset.single_taskGrab the black cube产出是一个 v3 格式数据集meta/info.json描述 schemadata/下是帧级 Parquetvideos/下是按相机分片的 MP4。没有真机也没关系Hub 上有上千个公开数据集比如lerobot/aloha_mobile_cabinet可以直接拿来训练。训练策略训练就是跑一条lerobot-train命令策略类型和数据集都走参数不用写训练脚本lerobot-train \ --policy.typeact \ --dataset.repo_idlerobot/aloha_mobile_cabinet产出是 Hub 上的模型 checkpoint本地runs/下同步保存里面除了权重还带归一化统计量和 processor 配置部署时整套加载。所有策略的实现在 src/lerobot/policies/ 下想换 Diffusion 或 Pi0 只需改--policy.type。部署到真机或仿真真机部署用lerobot-rollout一个命令完成加载策略 → 接机器人 → 跑 N 秒base策略只做推理不录数据适合先验证lerobot-rollout \ --strategy.typebase \ --policy.pathyour_name/my-policy \ --robot.typeso100_follower \ --robot.port/dev/ttyACM0 \ --taskPut lego brick into the box \ --duration60没有真机就用lerobot-eval在 LIBERO 这类仿真 benchmark 上跑成功率。产出是策略在目标环境里的实际表现数据——这才是判断模型能不能用的标准训练 loss 只算参考。踩坑实录ImportError或视频解码报错torchcodec/pyav 相关大概率是系统缺ffmpeg。LeRobot 默认用 TorchCodec 解码 MP4它依赖 ffmpeg。 解法conda install ffmpeg -c conda-forge。如果你的平台Intel Mac、Linux ARM没有 TorchCodec wheel框架会自动回退 pyav不用装 ffmpeg。装包报Requires-Python 3.12或依赖解析冲突大概率是你用 3.10/3.11 的旧环境。旧教程里python3.10的写法已经过时。 解法重建环境到 3.12别往旧环境里硬塞。lerobot-train: command not found或装完发现功能缺了一半大概率是只装了裸包。基础lerobot故意只含核心 ML 依赖数据集、硬件、训练能力都在 extras 里。 解法按工作流补装pip install lerobot[core_scripts,training]。连不上机器人端口/dev/ttyACM0打不开或权限拒绝大概率是串口权限没给。 解法把当前用户加进 dialout 组Linux后重新登录或先确认ls /dev/ttyACM*端口名没变。训练时 CUDA out of memoryVLA 类策略Pi0、GR00T显存吃得很凶ACT 这类小模型反而没这个问题。 解法降--policy.batch_size并配合梯度累积或确认你装的是带 CUDA 的 torch wheelLinux 上 pip 默认装的是 cu130老驱动需要指定 cu128。延伸官方 Discord 社区响应较快Hugging Face Hub 的 lerobot 空间沉淀了大量公开数据集和训练好的策略。策略代码看 src/lerobot/policies/机器人硬件抽象层在 src/lerobot/robots/。下一步打开 docs/source/cheat-sheet.mdx先照抄第一条 ACT 训练命令把lerobot/aloha_mobile_cabinet跑通确认 checkpoint 能上传再拿你的机械臂跑一次lerobot-record采 5 个 episode 试试完整闭环。【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