Physical Intelligence 开源的机器人视觉-语言-动作(VLA)模型,提供预训练权重与微调示例。
huggingface/lerobot
基于 PyTorch 的真实机器人开源库,提供模型、数据集和硬件控制、训练与评估工具。
- Star
- 28,721
- Fork
- 6,028
- 未关闭 Issue
- 883
- 最近提交
- 21小时前
这是什么?
LeRobot 是 Hugging Face 推出的端到端机器人学习库,基于 PyTorch 实现。它通过统一的数据格式、预训练策略和硬件控制工具,降低真实机器人的入门门槛,支持从低成本机械臂(如 SO-100、SO-101)到人形机器人等多种设备。
项目提供统一的 Robot 类接口,将控制逻辑与具体硬件分离。同一套数据采集、训练和可视化工具可用于 Koch、Unitree G1、LeKiwi 等已支持的设备,也可通过实现该接口接入自定义机器人。安装的第三方插件包会被自动识别,可接入更多机械臂、遥操作设备和相机。
数据集采用 LeRobotDataset 格式,将同步的视频或图像与 Parquet 格式的状态和动作数据组织在一起,并可托管在 Hugging Face Hub 上。策略涵盖模仿学习、强化学习、视觉-语言-动作模型和世界模型等方向;可用 lerobot-eval 在仿真环境中评估,也可用 lerobot-rollout 部署到真实机器人上。
核心功能
- 01统一的 Robot 接口,支持机械臂、移动机器人、人形机器人、手柄和键盘
- 02LeRobotDataset 格式,以 Parquet 与 MP4 存储并可托管在 Hugging Face Hub
- 03提供 ACT、Diffusion、SmolVLA 等多种策略的训练脚本
- 04支持在 LIBERO、MetaWorld 等基准上进行仿真评估
- 05通过插件机制接入第三方机器人、遥操作设备和相机
适用场景
- 使用低成本机械臂采集示教数据并训练模仿学习策略
- 通过 Hugging Face Hub 共享和复用机器人数据集
- 在仿真环境中评测预训练的 VLA 或模仿学习策略
- 通过实现 Robot 接口为自定义机器人接入数据采集与训练流程
快速上手
- 1
从 PyPI 安装 LeRobot
pip install lerobot - 2
查看已安装版本和环境信息
lerobot-info - 3
按需安装扩展功能,例如训练
pip install 'lerobot[training]'
使用前须知
- 基础安装较轻量,但许多功能需要单独安装额外依赖。
- 硬件功能依赖具体机器人,部分策略的训练需要 GPU。
收录于专题
标签
常见问题
- lerobot 是什么?
- 基于 PyTorch 的真实机器人开源库,提供模型、数据集和硬件控制、训练与评估工具。 LeRobot 是 Hugging Face 推出的端到端机器人学习库,基于 PyTorch 实现。它通过统一的数据格式、预训练策略和硬件控制工具,降低真实机器人的入门门槛,支持从低成本机械臂(如 SO-100、SO-101)到人形机器人等多种设备。
- lerobot 可以免费使用吗?用的什么许可证?
- lerobot 以 Apache-2.0 许可证开源。用于商业产品前,请先确认许可证条款。
- lerobot 还在维护吗?
- 活跃维护中。lerobot 最近一次提交是在 2026年11月6日。
- lerobot 适合用来做什么?
- 使用低成本机械臂采集示教数据并训练模仿学习策略 通过 Hugging Face Hub 共享和复用机器人数据集 在仿真环境中评测预训练的 VLA 或模仿学习策略 通过实现 Robot 接口为自定义机器人接入数据采集与训练流程
- lerobot 怎么安装和运行?
- 从 PyPI 安装 LeRobot: pip install lerobot 查看已安装版本和环境信息: lerobot-info 按需安装扩展功能,例如训练: pip install 'lerobot[training]'
- 在哪里获取 lerobot?
- 源代码和安装说明在 GitHub 上:https://github.com/huggingface/lerobot
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
WALL 系列开源具身基础模型的训练与推理代码,面向通用机器人操作任务。
NVIDIA 开源的视觉-语言-动作基础模型 GR00T N1.7,面向通用人形机器人与机械臂操作任务。
面向全身控制的模仿学习基准,基于 MuJoCo 和 MJX 提供人形、四足及人体骨骼肌肉模型环境。
基于 PyTorch 的强化学习算法实现库,提供可靠、接口统一的基准版本。
基于 PyTorch 的强化学习库,支持 PPO 和 SAC,面向可在 GPU 上并行运行数千个环境的仿真器。