LeRobot: オープンソースのロボット学習ライブラリの説明

ルロボットとは何ですか?

LeRobot は、Hugging Face によって管理されている Python ライブラリで、ロボット学習研究のためのエンドツーエンドのインフラストラクチャを提供します。 これは、実際のハードウェアからロボットのデモンストレーションを記録すること、標準化されたデータセット形式でそれらのデモンストレーションを保存およびバージョン管理すること、それらのデータセット上で最先端の模倣学習および強化学習ポリシーをトレーニングすること、そして評価のためにトレーニングされたポリシーを実際のハードウェアに展開することという、4 つの異なる懸念事項を処理します。 これらの機能はそれぞれモジュール式であり、LeRobot をデータ ストレージのみに使用することも、フルスタックのトレーニングと展開に使用することもできます。

このプロジェクトは、huggingface 組織の下で GitHub 上に存在しており、2026 年初頭の時点で、数万のスターと数百の貢献者が蓄積されています。 データセットは Hugging Face Hub に公開したり、Hugging Face Hub からダウンロードしたりできるため、LeRobot はコミュニティ データ マーケットプレイスとして機能する共有データセット リポジトリを成長させることができます。

サポートされているアルゴリズム

LeRobot には、3 つのポリシー クラスのネイティブ実装が同梱されています。 ACT (Action Chunking with Transformers) は、きめ細かい操作タスクのための主要なアルゴリズムです。これは、時間的アンサンブルを備えたトランスフォーマーベースの CVAE アーキテクチャを使用しており、ほとんどの器用な操作ワークフローの開始点として推奨されます。 Diffusion Policy は、アクション予測のためのノイズ除去拡散の CNN ベースとトランスフォーマー ベースの両方のバリアントを実装しており、マルチモーダルなアクション分布を持つタスクに優れています。 TDMPC2 (Temporal Difference Model Predictive Control) は、ワールド モデルとポリシーの両方を学習するモデルベースの RL アルゴリズムであり、シミュレーション環境が利用可能な場合にサンプル効率の高いトレーニングを提供します。

各アルゴリズムは、標準トレーニング スクリプト、ヒドラ構成管理、実験追跡のための重みとバイアスの統合を備えた PyTorch に実装されています。 アルゴリズムの切り替えは構成ファイルを 1 回変更するだけなので、比較評価が簡単になります。

サポートされているハードウェア

すぐに使えるハードウェア統合には、ALOHA 双手動システム (ViperX アーム)、Koch アーム、SO-100 および SO-101 低コスト アーム、Lekiwi モバイル プラットフォーム、およびいくつかの Dynamixel サーボベースのカスタム アームが含まれます。 OpenArm は SVRC から入手可能 店、遠隔操作の記録とポリシー展開のためのネイティブ LeRobot サポートを備えています。 新しいハードウェア プラットフォームを追加するには、関節の状態を読み取り、関節コマンドを送信するためのメソッドを備えたロボット インターフェイス クラスを実装する必要があります。通常、新しいアームでは数百行のコードが必要です。

カメラのサポートは、OpenCV 経由の USB カメラ、Intel RealSense デプス カメラ、および Web カメラ アレイをカバーします。 録画システムはソフトウェア タイムスタンプを使用してマルチカメラの同期を処理し、カメラごとに構成可能なフレーム レートと解像度をサポートします。

LeRobot データセット形式

LeRobot は、標準化されたエピソード構造を持つ HDF5 ファイルとしてデータセットを保存します。 各エピソードには、観察用の配列 (ビデオ ストリームとして圧縮された画像、float32 配列としての関節状態)、アクション (関節位置ターゲット)、タイムスタンプ、および注釈 (タスク言語文字列、成功フラグ) が含まれています。 メタデータ ファイルには、ロボットの構成、カメラのキャリブレーション、およびデータセットの統計情報が記述されます。 この形式は自己記述型で移植可能であるように設計されており、あるマシンで記録されたデータセットは、変更せずに他のマシンでトレーニング用にロードできます。

Hugging Face Hub に公開されるデータセットには、統計、タスクの説明、使用例を含むデータセット カードが含まれています。 これにより、コミュニティからのデータセットの発見と再利用が容易になり、一般的なタスクのデータ収集の負担が軽減されます。

LeRobot を使い始める

インストールには Python 3.10 以降と PyTorch が必要です。 推奨される最初のプロジェクトは、サポートされているハードウェア上で単純なピック アンド プレース タスクのデモンストレーションを 50 件記録し、それらのデモンストレーションで ACT ポリシーをトレーニングすることです。 LeRobot のドキュメントでは、ハードウェアのセットアップからポリシーの評価までの完全なウォークスルーが提供されています。 独自のハードウェアを持たないチームのために、SVRC は当社を通じてロボットのリースを提供しています。 リースプログラム 特に LeRobot ベースのデータ収集を有効にするためです。

SVRC エクスポートの互換性

SVRCの データプラットフォーム 記録セッションから入力されたすべての必要なメタデータ フィールドを使用して、データセットをネイティブ LeRobot HDF5 形式でエクスポートします。 SVRC の施設またはデータ収集サービスを通じて収集されたデータセットは、トレーニングの準備が整った状態で到着します。変換手順は必要ありません。 SVRC は、データを公的に共有したい研究パートナー向けに、Hugging Face Hub でのデータセット ホスティングも提供しています。 SVRC データと LeRobot トレーニング パイプラインの統合について質問がある場合は、 SVRCエンジニアリングチーム お手伝いが可能です。