企业官网建设流程全解析

LeRobot 快速上手：5 分钟跑通你的第一条机器人训练命令

【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 的开源机器人学习框架，用 PyTorch 把"采数据 → 训练策略 → 控制真机"串成一条流水线。它统一了 SO100、LeKiwi、Unitree G1 等硬件接口，内置 ACT、Diffusion、Pi0、SmolVLA 等策略，解决的是机器人数据散、接口乱、算法难复现的问题。手里有一台低成本机械臂，或者想先在仿真里练手的人，都适合从它开始。

先跑起来：安装与验证只需 4 条命令

系统要求：

• Python ≥ 3.12（pyproject.toml 中requires-python = ">=3.12"），conda 或 uv 均可，文档默认 conda
• PyTorch ≥ 2.10，加速设备按 docs/source/torch_accelerators.mdx 对应选择
• 训练策略需要 GPU；只做数据集加载或 CPU 推理没有硬性要求
• 接真机时 Linux/macOS 各自有额外依赖（WSL 需要evdev），文档 docs/source/installation.mdx 有分平台说明

git clone https://gitcode.com/GitHub_Trending/le/lerobot cd lerobot conda create -y -n lerobot python=3.12 conda activate lerobot pip install lerobot

安装卡住时先看这里：docs/source/installation.mdx 有 conda / uv / pip 三条路径的完整步骤，WSL 和 Windows 的坑都写在里面。

装完跑一条命令验证环境：

lerobot-info

它会打印 PyTorch 版本、可用设备和包版本。卡住时先看这里：如果找不到命令，说明环境没激活，conda activate lerobot再试。

内部怎么组织：一张表看懂 5 个核心目录

最值得展开的是src/lerobot/processor/：它负责把原始观测标准化进模型、把模型输出还原成机器人动作。每个策略目录里都配了处理器，比如 ACT 的 processor_act.py。写推理代码时必须显式调用make_pre_post_processors拿到前后处理两步，漏掉任何一步，动作数值就不在训练分布内，机械臂会乱抖。

LeRobot 数据集实战：加载第一个社区数据集

下面这段代码取自 examples/dataset/load_lerobot_dataset.py，作用是从 Hub 上加载lerobot/aloha_mobile_cabinet数据集，先只看元数据再真正取帧——输入只需要一个 repo_id 字符串，输出是 PyTorch tensor（图像为 channel-first 的 c、h、w）：

from lerobot.datasets import LeRobotDatasetMetadata ds_meta = LeRobotDatasetMetadata("lerobot/aloha_mobile_cabinet") print(ds_meta.total_episodes, ds_meta.fps, ds_meta.robot_type) dataset = LeRobotDataset("lerobot/aloha_mobile_cabinet", episodes=[0, 1]) print(dataset[0]["observation.state"].shape) # torch.Size([state_dim])

运行前先conda activate lerobot。这个例子还演示了delta_timestamps用法：一次性取过去 4 帧图像加未来 64 步动作，这正是 ACT 这类动作分块策略训练时需要的输入形态。

策略怎么挑、参数怎么调

三条调优建议：

1. 演示数据少时先上 ACT，在 configuration_act.py 里调dim_model和chunk_size，小模型更容易收敛
2. 训练不收敛先看学习率衰减，实现都在 src/lerobot/optim/ 的schedulers.py和factory.py，换调度器不用改训练代码
3. 显存紧张就把--batch_size降到 2、先用--dataset.episodes="[0]"跑单 episode 验证流程——这正是 Makefile 里 E2E 测试的跑法

常见坑 FAQ：4 个高频问题

1. 找不到串口设备症状：连接机器人时报FileNotFoundError。 原因：端口号是动态分配的，写死在配置里会失效。 解决：lerobot-find-port打印当前所有候选设备，把输出填进port参数。

2. 训练直接 OOM症状：GPU 显存爆掉，训练第一步就挂。 原因：默认 batch 对大策略（如 VLA 类）偏大。 解决：

lerobot-train --policy.type=smolvla \ --batch_size=2 \ --dataset.episodes="[0]" \ --steps=4 --wandb.enable=false

参数参照 Makefile 的test-smolvla-ete-train，先跑通再放大。

3. 推理时机械臂乱动症状：模型加载正常，动作却完全不对。 原因：相机的键名或分辨率和训练时不一致，或者漏了后处理。 解决：打开模型卡上的info.json核对camera_keys，键名、宽高、fps 必须逐项对上，再确认postprocess有被调用。

4. 不确定数据集长什么样症状：拿到一个 repo_id 不知道能不能用。 原因：没先看元数据就直接加载全量数据，慢且占空间。 解决：先实例化LeRobotDatasetMetadata，它只下载几 MB 的元数据文件，fps、robot_type、features 一目了然。

继续往下走

• docs/source/：官方文档目录，installation.mdx、cheat-sheet.mdx、hardware_guide.mdx是三块最常用的砖
• examples/：脚本库，训练入口看examples/training/train_policy.py，硬件部署看各机器人名下目录
• tests/：pytest 用例就是"功能正确用法"的活文档，比如tests/policies/下各策略的用法测试
• CONTRIBUTING.md：贡献指南，想提 PR 或修 bug 之前先读它，里面规定了文档字符串和测试的写法要求

【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