LeRobot 从零跑通机器人策略训练完整指南【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/lerobot你手边有一只桌面机械臂想让它学会抓取方块。不用先碰真机用 LeRobot 在仿真里录演示数据、训练策略、跑评估lerobot-record、lerobot-train、lerobot-eval三条命令闭环跑通。适合没有真机、想快速验证机器人策略训练流水线的工程师和学生。环境怎么装装包只要三条命令验证一条。前置条件不苛刻Python 3.12Linux 或 macOS16GB 内存约 50GB 磁盘有 NVIDIA GPU 训练快很多没有也能跑只是慢。git clone https://gitcode.com/GitHub_Trending/le/lerobot cd lerobot conda create -y -n lerobot python3.12 conda activate lerobot pip install -e .[aloha,pusht,training]这条命令装好 LeRobot 本体、两个轻量仿真环境Aloha、PushT和训练依赖。装完跑一条命令确认依赖齐了python -c import lerobot, gym_aloha, gym_pusht; print(lerobot.__version__)能打印出版本号当前为 0.6.2就算成功。后面所有命令都在这个环境里跑。演示数据从哪来数据有两个来源真机遥操作录或直接用 Hub 上的公开演示数据集。整条流水线是一圈闭环录错了就回炉重录分数达标才谈部署遥操作录制的逻辑就是人带着机器人做一遍程序把每帧画面、关节角和动作存下来主臂leader你用手推从动臂follower跟着动lerobot-record在背后同步落盘。这条命令在真机 SO-100 上录 50 集抓取演示lerobot-record \ --robot.typeso100_follower \ --robot.port/dev/ttyACM0 \ --robot.cameras{laptop: {type: opencv, index_or_path: 0, width: 640, height: 480, fps: 30}} \ --teleop.typeso100_leader \ --teleop.port/dev/ttyACM1 \ --dataset.repo_id你/pick_cube \ --dataset.num_episodes50 \ --dataset.single_taskGrab the cube \ --display_datatrue关键参数含义如下全部写在命令行即可参数含义--robot.type/--robot.port从动臂型号与串口--teleop.type/--teleop.port主臂遥操设备型号与串口--robot.cameras相机配置OpenCV 编号、分辨率、帧率--dataset.repo_id/--dataset.num_episodes数据集 ID 与录制集数建议 50 集起步--dataset.single_task一句话任务描述如 Grab the cube每录完一集会提示重置环境留十几秒把物体摆回初始位姿摆好再松手下一集才开始。录完做一次质量自查lerobot-dataset-viz --repo_id 你/pick_cube打开生成的页面抽查几集视频帧和动作曲线要能对上动作忽大忽小的集用lerobot-edit-dataset移除。手边没有真机也照样能起步跳过本节下一站直接拿 Hub 上的公开演示数据集如lerobot/aloha_insertion当训练输入。策略怎么选、怎么训新手选 ACT50 集演示通常就能出效果单张 GPU 训练几小时跑完。三个候选覆盖常见需求按数据量对号入座策略数据量需求适合场景ACT约 50 集入门首选单臂/双臂仿人操作Diffusion100 集动作分布多模态、精细抓取TDMPC20~50 集低维状态观测、无相机的小任务各策略实现都在 src/lerobot/policies/ 下。ACT 的默认超参一般不用动这条命令从你录的数据集开始训练lerobot-train \ --policy.typeact \ --dataset.repo_id你/pick_cube \ --policy.devicecuda \ --output_diroutputs/train/act_pick \ --job_nameact_pick \ --wandb.enabletrue训练开着 wandb 盯loss曲线稳定下降就说明在学东西。跑完去outputs/train/act_pick/checkpoints/拿最新 step 的pretrained_model进入下一关。卡住了loss 长期不动先查数据lerobot-dataset-viz重看几集再动--batch_size或学习率顺序别反。评估分数怎么读一条仿真评估命令把训好的策略放回环境里自己跑若干集、自己打自己lerobot-eval \ --policy.pathoutputs/train/act_pick/checkpoints/step/pretrained_model \ --env.typealoha \ --env.taskAlohaInsertion-v0 \ --eval.n_episodes20 \ --policy.devicecuda--env.typealoha指定 Aloha 仿真环境任务默认AlohaInsertion-v0。跑完看输出结果里的三个数指标读法pc_success成功率核心判据。20 集成 15 集即 75%avg_sum_reward平均奖励。成功率接近时它高说明完成更稳、步数更省eval_ep_s单集耗时。关系到部署实时性推理太慢上真机会掉帧指标不达标时改数据的优先级高于调参先补数据每集换个物体初始位姿多样性直接决定泛化翻一遍失败集的视频往往一眼看出缺了哪种场景。怎么迁到真机仿真 90% 不代表真机 90%。部署走lerobot-rollout指定权重和真机配置即可lerobot-rollout \ --strategy.typebase \ --policy.pathoutputs/train/act_pick/checkpoints/step/pretrained_model \ --robot.typeso100_follower \ --robot.port/dev/ttyACM0 \ --taskGrab the cube \ --duration30跑之前逐项对齐三处差异错一位动作全乱观测维度用lerobot-info核对数据集特征训练用过的观测项必须都在。控制频率--fps与数据集一致真机常见 10~30Hz。动作空间相机数量、关节角/末端位姿表示要和训练时一致。两条实用建议首跑加--display_datatrue在 Rerun 窗口里盯动作曲线看夹爪和关节是否平滑动作卡顿就开--use_torch_compiletrue提推理速度。下一步去哪你的方向直接看这里想深入某个策略的原理与训练配方ACT 文档 与 src/lerobot/policies/想上多卡分布式训练Multi-GPU Training想结合强化学习继续进化HIL-SERL 与 src/lerobot/rl/【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 · 2026/9/17 5:41:35 · 阅读 1.2k LeRobot 从零跑通机器人策略训练完整指南
LeRobot 从零跑通机器人策略训练完整指南【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/lerobot你手边有一只桌面机械臂想让它学会抓取方块。不用先碰真机用 LeRobot 在仿真里录演示数据、训练策略、跑评估lerobot-record、lerobot-train、lerobot-eval三条命令闭环跑通。适合没有真机、想快速验证机器人策略训练流水线的工程师和学生。环境怎么装装包只要三条命令验证一条。前置条件不苛刻Python 3.12Linux 或 macOS16GB 内存约 50GB 磁盘有 NVIDIA GPU 训练快很多没有也能跑只是慢。git clone https://gitcode.com/GitHub_Trending/le/lerobot cd lerobot conda create -y -n lerobot python3.12 conda activate lerobot pip install -e .[aloha,pusht,training]这条命令装好 LeRobot 本体、两个轻量仿真环境Aloha、PushT和训练依赖。装完跑一条命令确认依赖齐了python -c import lerobot, gym_aloha, gym_pusht; print(lerobot.__version__)能打印出版本号当前为 0.6.2就算成功。后面所有命令都在这个环境里跑。演示数据从哪来数据有两个来源真机遥操作录或直接用 Hub 上的公开演示数据集。整条流水线是一圈闭环录错了就回炉重录分数达标才谈部署遥操作录制的逻辑就是人带着机器人做一遍程序把每帧画面、关节角和动作存下来主臂leader你用手推从动臂follower跟着动lerobot-record在背后同步落盘。这条命令在真机 SO-100 上录 50 集抓取演示lerobot-record \ --robot.typeso100_follower \ --robot.port/dev/ttyACM0 \ --robot.cameras{laptop: {type: opencv, index_or_path: 0, width: 640, height: 480, fps: 30}} \ --teleop.typeso100_leader \ --teleop.port/dev/ttyACM1 \ --dataset.repo_id你/pick_cube \ --dataset.num_episodes50 \ --dataset.single_taskGrab the cube \ --display_datatrue关键参数含义如下全部写在命令行即可参数含义--robot.type/--robot.port从动臂型号与串口--teleop.type/--teleop.port主臂遥操设备型号与串口--robot.cameras相机配置OpenCV 编号、分辨率、帧率--dataset.repo_id/--dataset.num_episodes数据集 ID 与录制集数建议 50 集起步--dataset.single_task一句话任务描述如 Grab the cube每录完一集会提示重置环境留十几秒把物体摆回初始位姿摆好再松手下一集才开始。录完做一次质量自查lerobot-dataset-viz --repo_id 你/pick_cube打开生成的页面抽查几集视频帧和动作曲线要能对上动作忽大忽小的集用lerobot-edit-dataset移除。手边没有真机也照样能起步跳过本节下一站直接拿 Hub 上的公开演示数据集如lerobot/aloha_insertion当训练输入。策略怎么选、怎么训新手选 ACT50 集演示通常就能出效果单张 GPU 训练几小时跑完。三个候选覆盖常见需求按数据量对号入座策略数据量需求适合场景ACT约 50 集入门首选单臂/双臂仿人操作Diffusion100 集动作分布多模态、精细抓取TDMPC20~50 集低维状态观测、无相机的小任务各策略实现都在 src/lerobot/policies/ 下。ACT 的默认超参一般不用动这条命令从你录的数据集开始训练lerobot-train \ --policy.typeact \ --dataset.repo_id你/pick_cube \ --policy.devicecuda \ --output_diroutputs/train/act_pick \ --job_nameact_pick \ --wandb.enabletrue训练开着 wandb 盯loss曲线稳定下降就说明在学东西。跑完去outputs/train/act_pick/checkpoints/拿最新 step 的pretrained_model进入下一关。卡住了loss 长期不动先查数据lerobot-dataset-viz重看几集再动--batch_size或学习率顺序别反。评估分数怎么读一条仿真评估命令把训好的策略放回环境里自己跑若干集、自己打自己lerobot-eval \ --policy.pathoutputs/train/act_pick/checkpoints/step/pretrained_model \ --env.typealoha \ --env.taskAlohaInsertion-v0 \ --eval.n_episodes20 \ --policy.devicecuda--env.typealoha指定 Aloha 仿真环境任务默认AlohaInsertion-v0。跑完看输出结果里的三个数指标读法pc_success成功率核心判据。20 集成 15 集即 75%avg_sum_reward平均奖励。成功率接近时它高说明完成更稳、步数更省eval_ep_s单集耗时。关系到部署实时性推理太慢上真机会掉帧指标不达标时改数据的优先级高于调参先补数据每集换个物体初始位姿多样性直接决定泛化翻一遍失败集的视频往往一眼看出缺了哪种场景。怎么迁到真机仿真 90% 不代表真机 90%。部署走lerobot-rollout指定权重和真机配置即可lerobot-rollout \ --strategy.typebase \ --policy.pathoutputs/train/act_pick/checkpoints/step/pretrained_model \ --robot.typeso100_follower \ --robot.port/dev/ttyACM0 \ --taskGrab the cube \ --duration30跑之前逐项对齐三处差异错一位动作全乱观测维度用lerobot-info核对数据集特征训练用过的观测项必须都在。控制频率--fps与数据集一致真机常见 10~30Hz。动作空间相机数量、关节角/末端位姿表示要和训练时一致。两条实用建议首跑加--display_datatrue在 Rerun 窗口里盯动作曲线看夹爪和关节是否平滑动作卡顿就开--use_torch_compiletrue提推理速度。下一步去哪你的方向直接看这里想深入某个策略的原理与训练配方ACT 文档 与 src/lerobot/policies/想上多卡分布式训练Multi-GPU Training想结合强化学习继续进化HIL-SERL 与 src/lerobot/rl/【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