如何零基础上手 LeRobot 机器人学习从数据采集到真机验证的完整指南【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/lerobotLeRobot 是 Hugging Face 推出的开源机器人学习框架你用遥操作录制机械臂演示一条命令训练策略模型再回到真机验证效果。整套流程只需 Python 和 4 个命令行工具适合想入坑机器人学习、但没有硬件和算法背景的初学者。为什么值得了解 LeRobot它替你解决了三件事自己搭一套机器人学习流程通常要同时对付三摊事每种硬件写一套驱动、每种数据格式写一套读写逻辑、每个算法找一篇论文复现。LeRobot 把这三件事都标准化了。1. 一套接口控制所有机器人。无论 SO-101 机械臂、Reachy2 人形机器人还是 Unitree G1连接、读观测、发动作的 API 完全一致。你的场景今天用 SO-101 录数据训好策略明天换一台硬件训练和推理代码一行不改只需换配置。2. 一种数据格式管所有数据。演示数据按 LeRobotDataset 标准格式存储MP4 视频存画面、Parquet 文件存状态和动作两者按帧对齐。你的场景录好 30 个抓取片段后删除其中 3 段失败的、和别人的数据集合并都有现成命令不用自己写脚本。3. 一批现成的先进策略模型。从轻量级的 ACT、Diffusion到能听懂自然语言指令的 Pi0 系列、SmolVLA、GR00T N1.7再到世界模型和奖励模型官方已实现 20 种。你的场景让机械臂学会抓方块只需一条--policy.typeact命令不用自己搭训练循环。一句话对比如果把 ROS 路线理解为给机器人搭操作系统功能全但学习曲线陡LeRobot 直接交付的是数据 → 模型 → 部署这条端到端管线把基础设施层替你跳过了。LeRobot 完整上手流程4 个命令跑通主流程整条链路是安装 → 硬件准备 → 录制演示 → 训练 → 真机验证。下面以官方主推的 SO-101 双臂一主一从、6 自由度为例。第 1 步安装5 分钟。环境要求 Python ≥ 3.12视频解码需要 ffmpeg。装完用lerobot-info验证pip install lerobot[core_scripts,training] lerobot-info第 2 步硬件准备SO-101 约半天。按官方装配文档组装主臂你手动控制和从臂被学习的对象然后跑两个小工具lerobot-find-port自动识别 USB 串口lerobot-calibrate完成关节标定。全程不用写驱动代码。第 3 步录制演示数据30 段约 1 小时。一条命令开始记录录制中用键盘控制→ 保存本段进入下一段← 删掉重录ESC 结束并上传lerobot-record \ --robot.typeso101_follower --robot.port/dev/ttyACM0 --robot.idmy_follower_arm \ --teleop.typeso101_leader --teleop.port/dev/ttyACM1 --teleop.idmy_leader_arm \ --dataset.repo_id${HF_USER}/so101_grasp \ --dataset.num_episodes30 \ --dataset.single_taskput the red brick in a bowl第 4 步训练 真机验证GPU 上数小时。训练 ACT 策略 2 万步然后在真机上回放 60 秒看效果# 训练 ACT 策略 lerobot-train \ --dataset.repo_id${HF_USER}/so101_grasp \ --policy.typeact \ --steps20000 # 在真机上验证策略 lerobot-rollout \ --strategy.typebase \ --policy.pathoutputs/train/act_so101 \ --robot.typeso101_follower \ --robot.port/dev/ttyACM0 \ --taskput the red brick in a bowl \ --duration60没有本地 GPU给lerobot-train追加--job.targeta10g-small任务会直接调度到云端 GPU 跑模型训完自动推回仓库。没有机器人也可以先在 LIBERO 仿真基准上评估现成策略例如lerobot-eval --policy.pathlerobot/pi0_libero_finetuned --env.typelibero --env.tasklibero_object --eval.n_episodes10。原理点睛两条命令背后各藏着一个设计LeRobotDataset 为什么高效把它想成一个行车记录仪 行车本的组合MP4 视频记录机器人看到了什么Parquet 文件逐帧记下手此刻怎么动两条记录按 30fps 对齐。训练时视频帧和动作天然一一对应避免了传统方案里帧号错位、格式互不兼容的麻烦也让你录的数据可以直接被社区复用。VLA视觉-语言-动作模型为什么能听懂话你可以把它当成新员工先看一眼工作台面视觉再听一句把红色方块放进碗语言然后决定手腕怎么动动作。训练时模型学的正是这条所见 所听 → 所做的映射所以同一套机械臂换个指令就能干别的活。新手常见问题硬件门槛、数据量与三个坑Q我必须先买机器人吗不是。最低成本路径是零硬件装好框架后直接在 LIBERO 等仿真环境里训练和评估。走真机路线的话入门首选 SO-101两套 6 自由度舵机臂12 个 STS3215 舵机 3D 打印件 USB 总线装配文档在 docs/source/so101.mdx。xArm、UR5e、Franka 等第三方硬件也有社区插件可装。Q要录多少数据才够官方速查表的标准起点是 30 段演示 2 万训练步单任务抓取通常就能跑起来。任务越复杂多物体、多目标位数据量要相应往上加录多了也不怕删除、拆分、合并数据集都有工具。Q最容易踩的坑是什么三个高频问题① 回放时的相机配置必须和录制时完全一致这是官方明确提示的第一号坑② WSL 下要额外装evdev视频解码依赖 ffmpeg③ Linux 上串口常需要sudo chmod 666 /dev/ttyACM0授权且标定用的robot.id要贯穿所有后续命令标定文件靠它定位。第一周任务清单与下一步给你一份可直接执行的 7 天计划第 1 天装好环境跑通lerobot-info、lerobot-find-port、lerobot-find-cameras第 2–3 天装配 SO-101 双臂并完成标定无硬件可跳过转做 LIBERO 仿真评估第 4–5 天遥操作熟悉手感录制 30 段抓取演示第 6–7 天训练 ACT 策略lerobot-rollout回放验证成功率不满意就补数据再训模型选型可以参考这张表按任务对语言能力的需求递增类别代表模型什么时候用模仿学习ACT、Diffusion、VQ-BeT单任务首选参数小、训练快VLA 视觉-语言-动作Pi0 / Pi0.5 / Pi0-Fast、SmolVLA、GR00T N1.7需要听懂自然语言指令、一臂多任务世界模型VLA-JEPA、FastWAM让模型预演动作后果提升泛化奖励模型SARM、TOPReward、Robometer自动判断任务成败配合强化学习下一步行动现在就可以执行git clone https://gitcode.com/GitHub_Trending/le/lerobot然后从 examples/tutorial/act/ 的 ACT 示例开始跑通你的第一个策略每个命令的细节都收录在 docs/source/cheat-sheet.mdx安装排错看 docs/source/installation.mdx。遇到卡点去 LeRobot 官方 Discord 社区提问通常几小时内就有回复——你的第一个 30 段演示数据今天就值得录起来。【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