LeRobot 机器人学习框架4 条命令从安装到首个策略训练【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 开源的机器人学习框架基于 PyTorch面向真实硬件提供统一的机器人控制接口、LeRobotDataset 标准数据集格式和 20 多个可直接训练部署的策略。对想跑通演示、采集数据或训练策略又不想从零写驱动与数据管道的开发者来说它是机器人控制入门里路径最短的选择之一。为什么值得用做机器人控制入门耗时的往往不是算法本身而是周边工程驱动协议、视频编解码、归一化、评测回路。LeRobot 把这些部分打包成了一个 PyPI 包没有它要自己写的部分它开箱即用的部分各类机器人的设备驱动层串口、CAN、电机协议统一的Robot接口内置 SO-100 到 Unitree G1 等硬件外加手柄、键盘、手机等遥操作设备视频解码与数据集存储管道LeRobotDataset v3.0 格式MP4 与 Parquet 同步存储按帧索引、可流式读取训练循环、特征归一化、日志上报lerobot-train命令与 22 个策略实现ACT、Diffusion、Pi0、SmolVLA 等数据清理工具删集、拆分、合并内置数据集工具支持按集删除、切分、合并、增删特征最短可跑通路径环境核对安装前确认三件事Python 3.12这是当前 0.6.2 版本声明的最低要求装了 ffmpeg。LeRobot 默认用 TorchCodec 解码视频需要 ffmpeg 在位macOS Intel、Linux ARM 等不支持的平台会自动回退到 pyav无需安装GPU 可选CPU 也能跑通演示和推理安装验证与加载 Hub 数据集pip install lerobot lerobot-infolerobot-info打印当前环境与依赖清单lerobot-find-cameras列出可用的摄像头。基础包刻意做得轻量装完只有核心 ML 依赖要接真机再加lerobot[core_scripts]扩展要训练策略再加lerobot[training]完整说明见安装文档。数据集直接从 Hugging Face Hub 拉取from lerobot.datasets import LeRobotDataset ds LeRobotDataset(lerobot/aloha_mobile_cabinet) print(ds[0][action].shape)下载后自动缓存在本地视频帧自动解码拿到的就是可直接交给 DataLoader 的张量字典。看懂一个关键设计LeRobotDataset要解决的问题机器人数据天然碎片化。各家把相机流、关节角、动作存在互不兼容的格式里复用基本不可能一个 episode 一个文件的组织方式在集数上万后文件数量爆炸初始化越来越慢。它的做法v3.0 把存储从按 episode 改成了按文件。多个 episode 被拼接进少量大的 Parquet 文件状态、动作、时间戳和大的 MP4 文件视频帧每个相机一个分片meta/目录放关系型元数据——info.json存 schema 和帧率stats.json存归一化统计量tasks.jsonl把自然语言任务描述映射成整数 ID每个 episode 的时长和偏移量存成 chunked Parquet。episode 的边界靠元数据解析不靠文件名。带来的效果存储与用户 API 解耦——磁盘上是少数大文件用户侧仍按 episode 和帧号随机访问初始化更快文件系统压力小StreamingLeRobotDataset可以直接从 Hub 流式消费不下载全量归一化统计量随数据集一起分发训练前不必自己统计。完整目录结构见LeRobotDataset v3.0 文档。按目标延伸跑通演示仓库为不同硬件备好了端到端脚本examples/lekiwi/ 一套五个遥操作、录制、回放、评估、部署examples/so100_to_so100_EE/ 演示 SO-100 末端执行器场景examples/phone_to_so100/ 展示手机遥操作。没有硬件就从 examples/notebooks/quickstart.ipynb 的交互式教程开始要接自己的硬件参考硬件集成指南。采集与加载数据lerobot-record一条命令串起机器人、遥操作设备和摄像头配置采集完直接推到 Hub参数定义在 src/lerobot/scripts/lerobot_record.py。拿到数据后要做删集、切分、合并、改特征看数据集工具目录和数据集工具使用文档。训练自己的策略一条命令加配置即可起步lerobot-train \ --policy.typeact \ --dataset.repo_idlerobot/aloha_mobile_cabinet入口脚本是 examples/training/train_policy.py策略源码按名字分目录放在 src/lerobot/policies/共 22 个覆盖模仿学习、强化学习、VLA、奖励模型四类要写新策略照着策略开发指南走。踩坑备忘现象常见原因处理方式视频加载失败或解码报错视频解码依赖 ffmpegTorchCodec部分平台需手动安装conda install ffmpeg -c conda-forgemacOS Intel / Linux ARM 会自动回退 pyav无需处理机器人或串口连不上用户权限不足或缺少硬件依赖装lerobot[hardware]扩展把用户加进 dialout 组用lerobot-find-port确认端口路径训练或录制时缺模块报错基础包轻量只装了核心依赖按工作流补装lerobot[training]或lerobot[core_scripts]Linux 上 CUDA 版本对不上PyPI 默认 torch 轮子是 cu130需驱动 580.65源码安装则锁定 cu128先核对驱动版本必要时显式指定 torch 的索引源重装先跑pip install lerobot并加载一次 aloha_mobile_cabinet 数据集验证环境再规划自己的采集与训练。【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 
长河君 · 2026/9/5 20:37:10 · 阅读 1.2k LeRobot 机器人学习框架：4 条命令从安装到首个策略训练
LeRobot 机器人学习框架4 条命令从安装到首个策略训练【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 开源的机器人学习框架基于 PyTorch面向真实硬件提供统一的机器人控制接口、LeRobotDataset 标准数据集格式和 20 多个可直接训练部署的策略。对想跑通演示、采集数据或训练策略又不想从零写驱动与数据管道的开发者来说它是机器人控制入门里路径最短的选择之一。为什么值得用做机器人控制入门耗时的往往不是算法本身而是周边工程驱动协议、视频编解码、归一化、评测回路。LeRobot 把这些部分打包成了一个 PyPI 包没有它要自己写的部分它开箱即用的部分各类机器人的设备驱动层串口、CAN、电机协议统一的Robot接口内置 SO-100 到 Unitree G1 等硬件外加手柄、键盘、手机等遥操作设备视频解码与数据集存储管道LeRobotDataset v3.0 格式MP4 与 Parquet 同步存储按帧索引、可流式读取训练循环、特征归一化、日志上报lerobot-train命令与 22 个策略实现ACT、Diffusion、Pi0、SmolVLA 等数据清理工具删集、拆分、合并内置数据集工具支持按集删除、切分、合并、增删特征最短可跑通路径环境核对安装前确认三件事Python 3.12这是当前 0.6.2 版本声明的最低要求装了 ffmpeg。LeRobot 默认用 TorchCodec 解码视频需要 ffmpeg 在位macOS Intel、Linux ARM 等不支持的平台会自动回退到 pyav无需安装GPU 可选CPU 也能跑通演示和推理安装验证与加载 Hub 数据集pip install lerobot lerobot-infolerobot-info打印当前环境与依赖清单lerobot-find-cameras列出可用的摄像头。基础包刻意做得轻量装完只有核心 ML 依赖要接真机再加lerobot[core_scripts]扩展要训练策略再加lerobot[training]完整说明见安装文档。数据集直接从 Hugging Face Hub 拉取from lerobot.datasets import LeRobotDataset ds LeRobotDataset(lerobot/aloha_mobile_cabinet) print(ds[0][action].shape)下载后自动缓存在本地视频帧自动解码拿到的就是可直接交给 DataLoader 的张量字典。看懂一个关键设计LeRobotDataset要解决的问题机器人数据天然碎片化。各家把相机流、关节角、动作存在互不兼容的格式里复用基本不可能一个 episode 一个文件的组织方式在集数上万后文件数量爆炸初始化越来越慢。它的做法v3.0 把存储从按 episode 改成了按文件。多个 episode 被拼接进少量大的 Parquet 文件状态、动作、时间戳和大的 MP4 文件视频帧每个相机一个分片meta/目录放关系型元数据——info.json存 schema 和帧率stats.json存归一化统计量tasks.jsonl把自然语言任务描述映射成整数 ID每个 episode 的时长和偏移量存成 chunked Parquet。episode 的边界靠元数据解析不靠文件名。带来的效果存储与用户 API 解耦——磁盘上是少数大文件用户侧仍按 episode 和帧号随机访问初始化更快文件系统压力小StreamingLeRobotDataset可以直接从 Hub 流式消费不下载全量归一化统计量随数据集一起分发训练前不必自己统计。完整目录结构见LeRobotDataset v3.0 文档。按目标延伸跑通演示仓库为不同硬件备好了端到端脚本examples/lekiwi/ 一套五个遥操作、录制、回放、评估、部署examples/so100_to_so100_EE/ 演示 SO-100 末端执行器场景examples/phone_to_so100/ 展示手机遥操作。没有硬件就从 examples/notebooks/quickstart.ipynb 的交互式教程开始要接自己的硬件参考硬件集成指南。采集与加载数据lerobot-record一条命令串起机器人、遥操作设备和摄像头配置采集完直接推到 Hub参数定义在 src/lerobot/scripts/lerobot_record.py。拿到数据后要做删集、切分、合并、改特征看数据集工具目录和数据集工具使用文档。训练自己的策略一条命令加配置即可起步lerobot-train \ --policy.typeact \ --dataset.repo_idlerobot/aloha_mobile_cabinet入口脚本是 examples/training/train_policy.py策略源码按名字分目录放在 src/lerobot/policies/共 22 个覆盖模仿学习、强化学习、VLA、奖励模型四类要写新策略照着策略开发指南走。踩坑备忘现象常见原因处理方式视频加载失败或解码报错视频解码依赖 ffmpegTorchCodec部分平台需手动安装conda install ffmpeg -c conda-forgemacOS Intel / Linux ARM 会自动回退 pyav无需处理机器人或串口连不上用户权限不足或缺少硬件依赖装lerobot[hardware]扩展把用户加进 dialout 组用lerobot-find-port确认端口路径训练或录制时缺模块报错基础包轻量只装了核心依赖按工作流补装lerobot[training]或lerobot[core_scripts]Linux 上 CUDA 版本对不上PyPI 默认 torch 轮子是 cu130需驱动 580.65源码安装则锁定 cu128先核对驱动版本必要时显式指定 torch 的索引源重装先跑pip install lerobot并加载一次 aloha_mobile_cabinet 数据集验证环境再规划自己的采集与训练。【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