Open Source Robotics

高品質なオープンソースロボティクスプロジェクト、ツール、ソフトウェアの厳選コレクション。

LeRobot がオブジェクトストレージ上の LanceDB テーブルから直接学習できるように

  • 出典: Hugging Face and LanceDB
  • 著者: Open Source Robotics
  • 公開日: 2026-09-24
  • カテゴリ: research

LeRobot のデータセット層が LanceDB テーブルをネイティブに読めるようになり、学習は先にダウンロードすることなく、完全なグローバルシャッフル付きでオブジェクトストレージからストリーミングできる。DROID 全体では、リモート実行がローカルコピーより 33 分速く終わり、損失は同一だった。対応は LeRobot の main ブランチにあるが、まだリリースには入っていない。

訂正 — 2026年10月29日。 本記事の以前の版では、DROID を約2760万フレームとしていました。リンク先の投稿にはこの数字が記載されていないため、削除しました。

---

LeRobot は、LanceDB テーブルとして保存されたデータセットから直接学習できるようになりました。データセットを事前にダウンロードする代わりに、オブジェクトストレージから各バッチに必要なバイトだけを読み込みます。Hugging Face と LanceDB のエンジニアが9月24日にこの統合を紹介しました。サポート自体が8月28日に LeRobot のメインブランチにマージされてから1か月後のことです。Lance は LeRobot のデータセット層がネイティブに読み込む初の代替ストレージ形式で、記録や学習のコードを変更する必要は一切ありません。既存の lerobot-train コマンドを Lance テーブルに向けるだけで、適切なローダーが自動的に選ばれます。

実際的な効果として、すべての学習マシンにコピーするには大きすぎるデータセットを、その場に置いたままにできます。Hugging Face Storage Bucket を指定した場合、2基の H100 での SmolVLA の学習は、ローカル NVMe コピーからと同じ毎秒212サンプルをバケットから処理し、損失曲線も同一でした。より大規模なテストでは、DROID 全体 — 369 GB の動画 — をリモートのオブジェクトストアから読み込み、全フレームにわたるグローバルシャッフルを行いました。それ以外は同一の条件で、8基の H100 で10,000ステップを実行した2回の学習のうち、LanceDB による実行は1時間27分で完了したのに対し、標準リーダーによるローカルコピーでの実行は2時間かかり、しかもそのローカルコピーには事前に384 GB のダウンロードが必要でした。標準の実行は時間の37パーセントをデータ待ちに費やしましたが、LanceDB の実行では2パーセント未満でした。最終的な損失は小数点以下4桁まで一致しました。

議論の後半はキュレーションに関するものです。学習データがすでに LanceDB テーブルであるため、埋め込み、派生スコア、全文インデックスを、トレーナーが読み込むのと同じ行の列として保持できます。そのため、データの検索やフィルタリングのために別のベクトルデータベースへエクスポートする必要はありません。著者らは SigLIP2 で DROID の610,403フレームを埋め込み、視覚クエリと SQL クエリを組み合わせて、ラベルのない動作を掘り起こしました — さまざまな家庭で布が動かされているにもかかわらず、タスクのテキストではまったく触れられていないフレームです。エピソードはテーブルから直接 Foxglove で確認できます。

DROID を一度フルスキャンしたところ、何を使って学習するにしても知っておくべき3つの知見が得られました。OpenPI のアイドルフィルターはデータセットの11.66パーセントを除去し、結果の長さを計算せずにハードコードしていること。デフォルトの80/20分割では、すべての建物とすべてのデータ収集者が学習セットと検証セットの両方に含まれるため、リークが生じること。そして、成功したエピソードは失敗したエピソードよりも動きがぎくしゃくしていることが判明し、一般的な滑らかさフィルターでは良いデータが捨てられてしまうこと。シミュレーションで成功率を測定できる LIBERO では、デモンストレーションの30パーセントを意図的に破損させ、その後3つのテーブルクエリでそれらを除去したところ、乱雑なセットで学習するよりも優れたポリシーが得られました。

明確にしておくべき点が2つあります。ネイティブリーダーは LeRobot のメインブランチに入っていますが、まだタグ付きリリースには含まれていません — 最新の v0.6.1 はそれ以前のものです — そのため、現時点ではソースからのインストールが必要です。また、データを書き換えずに計算列を追加するステップは、キュレーションのワークフローを支えるものですが、LanceDB Enterprise の機能とされています。LeRobot 自体が依存しているのは、オープンソースのリーダーと Lance フォーマットです。著者らは、これらのクエリを DROID の全テーブルに対して実行するインタラクティブデモを公開しています。

重要な理由

ロボット学習のデータセットは、学習マシンのすべてに複製するという習慣では扱いきれない大きさになりました。DROID だけで数百ギガバイトの映像があります。GPU のスループットもシャッフルの質も落とさずにオブジェクトストレージからストリーミングできれば、その複製の手間が消えます。そして検索・スコア・埋め込みを学習器が読むのと同じテーブルに置けば、キュレーションは書き出しのパイプラインではなく一回のクエリになります。DROID を一度走査しただけで得られた発見——リークのある既定の分割、逆向きに働く品質フィルタ——は、キュレーションを安くする価値がある理由を示しています。

主なポイント

  • LeRobot は LanceDB テーブルとして保存されたデータセットをネイティブに読むようになった。記録・学習コードは変わらず、lerobot-train がローダーを自分で選ぶ
  • 学習は Hugging Face のストレージバケットなどのオブジェクトストレージから、全フレームのグローバルシャッフル付き、ダウンロードなしでストリーミングできる
  • DROID 全体で、LanceDB によるリモート実行は 1 時間 27 分、ローカルコピーの実行は 2 時間。損失は同一で、データ待ちの時間は 37.4% ではなく 1.7%
  • 埋め込み・スコア・インデックスを学習用テーブルの列として持てるので、キュレーションや掘り出しは書き出しではなくクエリになる
  • DROID の走査で、既定の学習/検証分割のリークと、良いデータを取り除いてしまう滑らかさフィルタが見つかった
  • 対応は LeRobot の main ブランチにあるがタグ付きリリースにはまだなく、キュレーションに使う列の後埋めは LanceDB Enterprise の機能

オープンソースの観点

統合は LeRobot 本体の中にあり、その Apache-2.0 ライセンスのもとで 8 月 28 日に main ブランチへマージされました。読み込む Lance 形式もオープンソースです。注意すべきは、それと LanceDB の商用製品との境界です。テーブルを書き換えずに計算列を追加すること——キュレーションの流れが依拠する手順——は LanceDB Enterprise の機能として示されています。Lance テーブルからの学習とその検索は、それに依存しません。

関連技術

  • LeRobot
  • LanceDB
  • Lance
  • SmolVLA
  • DROID
  • Foxglove
  • Hugging Face Storage Buckets

リンク

  • 出典: https://huggingface.co/blog/CarolinePascal/how-to-train-your-robot-the-lancedb-edition

このウェブサイトにはJavaScriptが必要です。オープンソースロボティクスプロジェクトを閲覧するにはJavaScriptを有効にしてください。