企业官网建设流程全解析

4步跑通LeRobot：从录制数据到真机部署机器人策略

【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

如果你的机械臂需要学会抓东西，但你不想从零写电机驱动和训练循环，LeRobot 可以帮上忙：它是 Hugging Face 开源的机器人学习框架，用 PyTorch 把"采数据 → 训策略 → 部署到真机"整条链路打通，硬件从几十美元的 SO100 机械臂到人形机器人 Reachy2 都有现成接口。

LeRobot 是什么 & 适合谁

一句话定位：一套硬件无关的 Python 接口 + 标准数据集格式 + 一批可直接训练的现成策略模型。

• 适合：有机器人（哪怕是 SO100 这种低成本机械臂）、想跑模仿学习或 VLA 模型的工程师
• 不适合：只想要单个模型代码的研究者（它更像全流程工具箱，不是模型库）、需要 ROS 2 实时控制的工业产线场景（可用社区插件桥接，但非原生路径）

能力速览

把环境搭好

LeRobot 0.6.x 要求 Python ≥3.12，这是和旧教程最容易冲突的地方。用 conda 建环境：

conda create -y -n lerobot python=3.12 conda activate lerobot pip install 'lerobot[training]'

[training]这个 extra 会带上数据集读取、accelerate 和 wandb，是"录数据 + 训练"最常用的组合；如果只接真机不加训练，装[core_scripts]即可。装完跑lerobot-info能正常打印版本，就算通了。

工作流：数据 → 训练 → 部署

录一份自己的数据

把机械臂接上，用主臂遥操从臂执行任务，lerobot-record会把每路相机编码成 MP4、关节状态写进 Parquet，按 episode 切分后推送到 Hugging Face Hub：

lerobot-record \ --robot.type=so101_follower \ --robot.port=/dev/ttyACM0 \ --teleop.type=so101_leader \ --dataset.repo_id=your_name/my-first-dataset \ --dataset.num_episodes=5 \ --dataset.single_task="Grab the black cube"

产出是一个 v3 格式数据集：meta/info.json描述 schema，data/下是帧级 Parquet，videos/下是按相机分片的 MP4。没有真机也没关系，Hub 上有上千个公开数据集（比如lerobot/aloha_mobile_cabinet）可以直接拿来训练。

训练策略

训练就是跑一条lerobot-train命令，策略类型和数据集都走参数，不用写训练脚本：

lerobot-train \ --policy.type=act \ --dataset.repo_id=lerobot/aloha_mobile_cabinet

产出是 Hub 上的模型 checkpoint（本地runs/下同步保存），里面除了权重还带归一化统计量和 processor 配置，部署时整套加载。所有策略的实现在 src/lerobot/policies/ 下，想换 Diffusion 或 Pi0 只需改--policy.type。

部署到真机或仿真

真机部署用lerobot-rollout，一个命令完成"加载策略 → 接机器人 → 跑 N 秒"，base策略只做推理不录数据，适合先验证：

lerobot-rollout \ --strategy.type=base \ --policy.path=your_name/my-policy \ --robot.type=so100_follower \ --robot.port=/dev/ttyACM0 \ --task="Put lego brick into the box" \ --duration=60

没有真机就用lerobot-eval在 LIBERO 这类仿真 benchmark 上跑成功率。产出是策略在目标环境里的实际表现数据——这才是判断模型能不能用的标准，训练 loss 只算参考。

踩坑实录

ImportError或视频解码报错（torchcodec/pyav 相关）大概率是系统缺ffmpeg。LeRobot 默认用 TorchCodec 解码 MP4，它依赖 ffmpeg。 解法：conda install ffmpeg -c conda-forge。如果你的平台（Intel Mac、Linux ARM）没有 TorchCodec wheel，框架会自动回退 pyav，不用装 ffmpeg。

装包报Requires-Python >=3.12或依赖解析冲突大概率是你用 3.10/3.11 的旧环境。旧教程里"python=3.10"的写法已经过时。 解法：重建环境到 3.12，别往旧环境里硬塞。

lerobot-train: command not found或装完发现功能缺了一半大概率是只装了裸包。基础lerobot故意只含核心 ML 依赖，数据集、硬件、训练能力都在 extras 里。 解法：按工作流补装，pip install 'lerobot[core_scripts,training]'。

连不上机器人端口（/dev/ttyACM0打不开或权限拒绝）大概率是串口权限没给。 解法：把当前用户加进 dialout 组（Linux）后重新登录，或先确认ls /dev/ttyACM*端口名没变。

训练时 CUDA out of memoryVLA 类策略（Pi0、GR00T）显存吃得很凶，ACT 这类小模型反而没这个问题。 解法：降--policy.batch_size并配合梯度累积，或确认你装的是带 CUDA 的 torch wheel（Linux 上 pip 默认装的是 cu130，老驱动需要指定 cu128）。

延伸

官方 Discord 社区响应较快，Hugging Face Hub 的 lerobot 空间沉淀了大量公开数据集和训练好的策略。策略代码看 src/lerobot/policies/，机器人硬件抽象层在 src/lerobot/robots/。

下一步

打开 docs/source/cheat-sheet.mdx，先照抄第一条 ACT 训练命令把lerobot/aloha_mobile_cabinet跑通，确认 checkpoint 能上传；再拿你的机械臂跑一次lerobot-record，采 5 个 episode 试试完整闭环。

【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