企业官网建设流程全解析

从单臂到双臂：用 LeRobot 让两条 SO-100 机械臂一起干活的最小上手指南

【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 HuggingFace 的机器人学习框架：你用一条机械臂（leader）"示范"动作，另一条（follower）跟着学，几轮录制加训练后，机器人就能自主复现抓取、放置这类任务。它帮你把"买机械臂→写控制代码→录数据→训练策略"这条完整链路压缩成十几条标准命令，覆盖 SO-100/SO-101、Koch、OpenArm 等开源硬件，也内置 ACT、pi0 等现成策略。

先跑起来：从装包到双臂跟随只需要 3 条命令

假设你已经按 SO-100 文档 把两条 SO-100（一条 leader 臂、一条 follower 臂）装好、配好电机，那"看到效果"就是三条命令的事。

# 1. 装 LeRobot 及 Feetech 舵机驱动 pip install -e ".[feetech]" # 2. 找到两条臂各自的 USB 串口（拔掉再插上，程序会锁定对应口） lerobot-find-port # 3. 启动主从遥操作：动 leader，follower 实时跟随 lerobot-teleoperate \ --robot.type=bi_so_follower \ --robot.left_arm_config.port=/dev/ttyACM1 \ --robot.right_arm_config.port=/dev/ttyACM0 \ --robot.id=my_bi_arm \ --teleop.type=bi_so_leader \ --teleop.left_arm_config.port=/dev/ttyACM3 \ --teleop.right_arm_config.port=/dev/ttyACM2 \ --teleop.id=my_bi_leader

如果你只想先试单臂，把bi_so_*换成so100_follower/so100_leader，各配一个--robot.port/--teleop.port即可。命令能直接跑通，说明串口、舵机 ID、波特率、校准这几环都通了——后面所有数据录制和训练命令都复用同一套参数。想省事的话，仓库里的 quickstart 笔记本 能替你填好这些配置、直接生成可粘贴的命令。

拆透一个机制：leader-follower 主从映射到底怎么把动作传过去

遥操作时你可能注意到一个现象：leader 臂明明是"哑"的——它只报位置、不受力控制，但 follower 跟得又快又稳，两条臂还不会打架。这背后是一个被刻意设计得"薄"的映射层。

打开 遥操作示例 里的 API 写法，核心循环只有两行：

while True: action = teleop_device.get_action() # 读 leader 各关节的"目标位置" robot.send_action(action) # 原样发给 follower 舵机

leader 的每个舵机被拆掉了减速齿轮、只保留位置编码器，你手推它，它只是"报坐标"。这些坐标被当作动作（action）直接写进 follower 的舵机目标寄存器——舵机驱动芯片自己完成平滑运动。所以两条臂之间没有运动学解算、没有轨迹规划器，映射函数就是一个字典拷贝。

这个机制值得你利用两次。第一，它是天然的"数据格式预览"：get_action()输出的键，就是录制数据集里的 action 字段，也是训练时策略要预测的东西，三者键名一致，不会出现"录的和学的对不上"。第二，双臂扩展时它是自动的：BiSOFollower 源码 里，get_observation()给左臂所有键加left_前缀、右臂加right_，send_action()再按前缀拆开分别下发。12 个关节就这样被一个前缀规则分清楚，你在写代码或配策略时，只需要记住"带left_/right_前缀的键各归各臂"这一条。

完整实战案例：录 30 次"拿起积木放进盒子"，训练出自主策略

场景：桌面上放一盒乐高积木和一个收纳盒，任务是把积木从盒子左边抓起来放到右边。下面用单臂 SO-101 走完整闭环（双臂把类型参数换成bi_*即可，流程相同）。

第 1 步：录制演示。复用遥操作命令再套一层lerobot-record，它会按--dataset.fps（默认 20）节拍采集每帧的图像和关节状态：

lerobot-record \ --robot.type=so101_follower \ --robot.port=/dev/tty.usbmodem58760431541 \ --robot.id=my_follower_arm \ --teleop.type=so101_leader \ --teleop.port=/dev/tty.usbmodem58760431551 \ --teleop.id=my_leader_arm \ --dataset.root=~/data/lerobot \ --dataset.repo_id=my-pick-and-place

录制时用方向键或n/r切换：n保存当前 episode 并开始下一轮，r丢弃重录，q退出。建议每次抓取前把 leader 摆回同一个起始姿态，30 条 episode 通常够 ACT 这类策略学到七八成成功率。

第 2 步：训练策略。数据落盘后直接训：

lerobot-train \ --dataset.repo_id=my-pick-and-place \ --policy.type=act \ --batch_size=8

第 3 步：验证结果，分两层。先在数据层：用lerobot-dataset-viz --dataset.repo_id=my-pick-and-place播放录制的轨迹，检查有没有录进空帧或中途停顿；再在真机层：用lerobot-replay或 rollout 脚本加载训练好的模型，让它自主执行 10 次，数一下成功率。低于预期时优先检查录制质量（起始位姿一致性、抓取是否成功），再考虑加数据量——顺序反了会浪费很多训练时间。

单臂 SO-100、SO-101 还是双臂配置，怎么选

选择逻辑：先用单臂把一个任务跑通，确认"录制→训练→复现"闭环没坑，再上双臂。双臂不是单臂的简单翻倍——两条臂共享同一张操作台后，工作空间重叠区就是碰撞高发区，这也是为什么官方文档建议从 2 臂最小系统起步。

避坑问答：这几处几乎人人踩过

问：lerobot-find-port找到了串口，但lerobot-teleoperate连不上舵机？

答：Linux 下先给串口开权限（sudo chmod 666 /dev/ttyACM*），然后逐个检查三条线：电源、USB 线、控制器到舵机的 3 针线。SO-100 还有一个高频坑：电机配置必须在装臂前做，因为装好后电机接口就摸不到了（见 so100.mdx 的 Note）。

问：leader 动了，follower 跟着抖或偏转方向不对？

答：十有八九是校准没做或没对齐。lerobot-calibrate要求先让臂摆到每个关节行程的中间点按回车，再逐个关节走完整个行程。leader 和 follower 要分别校准，且全程用同一个id参数——校准文件按id存取，ID 一变等于重新来过。

问：双臂录制时，动作键里的left_/right_前缀是我自己加的吗？

答：不用加也不用减。BiSOFollower在观测端自动加前缀、在下发端自动剥离前缀（见 源码 的get_observation/send_action）。你唯一要做的是确认数据集里确实出现left_*和right_*两组键。

问：录制时帧率达不到设定的 20fps 怎么办？

答：lerobot-record结束时会打印每轮实际达成的帧率摘要，先对照它定位是相机拖后腿还是串口超时。相机端把分辨率降下来（如 640x480→320x240）通常立刻见效；串口端检查波特率是否全链一致。

问：单臂训好的模型能直接用到双臂上吗？

答：不能直接加载，因为动作维度从 6 变成 12，键名也不同。正确做法是用双臂重新录数据、以bi_*配置重新训练；单臂阶段的价值在于验证流程，不在于模型直接迁移。

往前走：从行为克隆走向视觉语言策略

单臂闭环跑通后，官方文档里有三条明确的进阶路径：在 il_robots.mdx 继续深化多任务录制与评估，在 async.mdx 把策略推理搬到独立机器上降低真机延迟，在 pi0.mdx 换用带语言指令的 VLA 策略——到那一步，你的双臂系统就不只是"复现轨迹"，而是能听懂"把红色积木放进左边的盒子"这类指令。仓库的 docs 目录 和examples/下各硬件的配套脚本（record.py/evaluate.py/rollout.py）都是现成的参考实现。

主从映射 + 前缀分发，是 LeRobot 把"两条臂当一个机器人管"这件事做得轻量的全部秘密——看懂这两个点，后面加相机、换策略、上语言指令都只是配置层面的事。现在就克隆仓库（git clone https://gitcode.com/GitHub_Trending/le/lerobot），从lerobot-find-port开始跑通第一条命令。

【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