企业官网建设流程全解析

LeRobot 实战：从 SO100 机械臂到端到端策略训练的 5 步保姆级指南

【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 Hugging Face 开源的 PyTorch 机器人学习库，把真实机器人上的数据采集、策略训练与部署推理放进同一套接口里，底层代码都在src/lerobot/下。读完这篇指南，你会装好环境、用一条 SO100 机械臂跑通「遥操作 → 采集 → 训练 ACT 策略」的完整链路，并知道卡住时该查哪些地方。

🎯 适合谁：用一条 SO100 机械臂做端到端机器人学习

想象你桌上有一条几百块的 SO100 机械臂和一台相机：你想让它学会「把杯子推到指定位置」。传统做法是你要自己写串口通信、标定、存储、训练循环，每一块都可能踩坑。LeRobot 的做法是把这些统一成一套命令：你只管--robot.type=so100_follower这样的参数，标定、遥操作、录制、训练各是一个lerobot-*子命令。

一句话定位：LeRobot 是一个硬件无关的 Python 接口，让你「用统一命令操控不同机器人、用统一格式存数据、用统一脚本训练策略」。它原生支持的硬件从 SO100、LeKiwi 这类低成本臂，到 Reachy2、Unitree G1 这种人形/移动平台，列表在 docs/source/il_robots.mdx 里能查到。硬件不够时也不用改源码——社区用lerobot_robot_<name>前缀的插件包即可自动被发现（见src/lerobot/robots/下的 Robot 接口）。

📦 最小上手：三步装好 LeRobot 并验证

第 1 步：准备环境。官方要求 Python ≥ 3.12、PyTorch ≥ 2.7，建议用 conda 建独立环境，避免和别的依赖打架。视频解码默认走 TorchCodec，需要系统里装ffmpeg（conda install ffmpeg -c conda-forge即可）。

第 2 步：安装并验证。基础包故意做得很轻，只装核心 ML 依赖；按你要做的活儿再补上「extra」。下面这条命令一次装齐「采集 + 训练」所需的组合：

pip install "lerobot[core_scripts,training]" lerobot-info

lerobot-info会打印你的系统配置和已检测到的 ffmpeg 版本，能正常输出就说明装好了。各 extra 的组合如下，按你的工作流挑一个：

第 3 步：跑通第一个示例。不想接硬件的话，直接打开 examples/notebooks/quickstart.ipynb：在 Configuration 单元格里填好参数后 Run All，它会把标定、遥操作、录制、训练、推理每一步现成的终端命令打印出来，照抄即可。想读源码的，硬件与遥操作示例在 examples/ 下按平台分目录（如examples/so100_to_so100_EE/）。

🗺️ 能力地图：核心模块一览

LeRobot 的能力大致分成四块，各自对应src/lerobot/下的一个子目录，按下表对号入座：

上这张图是 VLA（Vision-Language-Action，视觉-语言-动作模型）的策略结构：相机图像和自然语言指令一起喂进 Transformer，输出动作。它对应policies/下 GR00T、Pi0、XVLA 这类模型；而 ACT、Diffusion 这类模仿学习模型则更轻量，适合先在一条机械臂上跑通。

🔄 完整实战流程：从遥操作到训练 ACT 策略

下面走一遍最有代表性的「低成本机械臂学推杯子」链路，共五步。前四步都是现成命令，最后一步是核心。

1. 找端口：lerobot-find-port列出串口，lerobot-find-cameras opencv列出相机索引。
2. 标定：lerobot-calibrate --robot.type=so100_follower --robot.port=<端口>，每条臂首次使用前做一次。
3. 遥操作：lerobot-teleoperate，加--display_data=true可实时看到画面，确认主臂带动从臂动作顺滑。
4. 采集：lerobot-record --robot.type=so100_follower --teleop.type=so101_leader --dataset.repo_id=<用户>/my-data --dataset.num_episodes=50 --dataset.single_task="push the cup"，数据按 LeRobotDataset 格式落盘，可加--resume=true断点续采。
5. 训练：这一步是整条链路的「核心命令」，直接对采集到的数据集训练一个 ACT（Action Chunking with Transformers，动作分块 Transformer）策略：

lerobot-train \ --policy.type=act \ --dataset.repo_id=<用户>/my-data

训练完成后，用lerobot-rollout --strategy.type=base --policy.path=<checkpoint> --robot.type=so100_follower让机器人在真机上执行策略，或在仿真里用lerobot-eval跑 LIBERO、MetaWorld 等基准打分。想换策略，只改--policy.type（act/diffusion/pi0/smolvla…），其余流程不变，各策略的依赖 extra 和显存需求见 docs/source/ 下的硬件指南。

🛠️ 高频排障：三个最常见的问题

• 现象ImportError/ 装了却没反应。原因只装了基础pip install lerobot，没带对应 extra，或系统缺ffmpeg导致视频解码失败。解法按工作流补装pip install "lerobot[core_scripts,training]"，并conda install ffmpeg -c conda-forge，再用lerobot-info复核。
• 现象lerobot-find-port没列出预期端口、连不上机器人。原因串口线松、端口被占用，或当前用户对/dev/tty*没有读写权限。解法重新插拔并lerobot-find-port确认端口，检查该端口的访问权限，WSL 下还需按 docs/source/installation.mdx 补装evdev。
• 现象训练时报CUDA out of memory。原因相机分辨率高且batch_size偏大，显存被图像张量吃满。解法降低相机分辨率或减小 batch，也可把--policy.device临时设成cpu先跑通流程，再逐步调参。

📚 资源与行动清单

• 文档：docs/ 目录按主题组织，从 docs/source/installation.mdx（安装）到 docs/source/il_robots.mdx（各硬件采集与训练）再到各策略 README（如 docs/source/policy_act_README.md），是排障和深入的第一入口。
• 示例：examples/ 下的教程（如 examples/tutorial/act/）给出从训练到调用的最小可运行代码；examples/notebooks/quickstart.ipynb则把全流程命令一次性生成。
• 社区：加入官方 Discord 与 X（@LeRobotHF）跟踪更新；问题与需求走 GitHub Issues。

接下来你可以做：

• 打开 quickstart notebook，把 Configuration 单元格改成你自己的端口与任务描述，Run All 生成你的专属命令。
• 先不接硬件：用 Hub 上的现成数据集跑一条lerobot-train --policy.type=act，熟悉训练与 checkpoint 结构。
• 接上你的 SO100，走完标定 → 遥操作 → 录制 → 训练 → rollout 的五步闭环，再按 docs/source/ 换--policy.type试一个 VLA 模型。
• 读src/lerobot/robots/与src/lerobot/policies/的接口，了解如何为自己的机器人或策略写一个插件。

【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