LeRobot

Hugging Face的PyTorch机器学习库，用于现实世界机器人

许可证

Apache-2.0

概述

Hugging Face的开源PyTorch机器学习库，专为现实世界机器人设计。提供模型、数据集和工具，以民主化机器人开发，重点关注模仿学习和强化学习。功能包括预构建的经济实惠机器人平台（SO-101售价114欧元、HopeJR人形手臂、LeKiwi移动机器人）、Hugging Face Hub上的预训练模型、人工采集的演示数据集，以及仿真环境（ALOHA、PushT、SimXArm）。支持使用演示数据在几分钟内训练机器人，并支持真实世界迁移。

LeRobot是Hugging Face的开源现实世界机器人平台，专注于使最先进的AI和机器学习对机器人社区可及。基于Hugging Face在AI民主化方面的专业知识，LeRobot提供专为机器人操作和控制任务设计的预训练模型、数据集和工具。该平台强调易用性、可重复性和社区协作，使研究人员和开发者能够快速在物理机器人上部署先进的AI功能。LeRobot弥合了尖端AI研究与实际机器人应用之间的差距。

为何重要

LeRobot 之于机器人学习，正如 Hugging Face Transformers 之于自然语言处理——它提供了一个统一、易用的框架，降低了入门门槛。凭借预先设计好的低成本硬件、共享数据集以及 Hub 上的预训练模型，它正迅速成为机器人学习研究的标准起点。

解决的问题

机器人学习研究分散在数十个互不兼容的代码库中，导致无法复现结果或比较方法。LeRobot 将训练和评估流程标准化，使研究人员能够专注于算法而非基础设施。

要点

• 统一的 API，支持跨算法（ACT、Diffusion Policy、TDMPC）训练机器人策略
• 通过 Hugging Face Hub 共享预训练模型和数据集
• 经济实惠的硬件平台：SO-101（114 欧元）、HOPEJr、LeKiwi
• 同时支持仿真环境和真实机器人
• 快速增长的社区持续贡献模型、数据集和硬件集成

适用人群

• 各个层次的机器人学习研究人员
• 构建操控策略的机器学习工程师
• 拥有低成本机械臂（SO-101、Koch）的爱好者
• 评估模仿学习方案的企业

局限

• 重点在于模仿学习——对基于 RL 的方法支持较少
• 对真实机器人的支持取决于可用的硬件接口
• API 快速演进，文档可能滞后于版本发布
• 训练的计算需求可能较大（建议使用 GPU）