レロボット:ゼロから部署まで学習するオープンソースロボット

HuggingFaceのLeRobotフレームワークを通じて構造化・連続的な経路. インストール,デモを記録,ACTポリシーを訓練し,サポートされたロボットまたは完全シミュレーションで展開します.

合計時間 ~10時間

困難 中間

ハードウェア サポートされているロボットまたはMuJoCoシミュレーション

必須 Python 基礎 Linux 端末 基礎

シミュレーションオプション はい MuJoCo で完了できる全路線

訓練された ACTの 選択と場所のポリシーを 構築する

始める前に 条件 を チェック

• Linux端末 (CD, ls, pip インストール) に快適です
• Python 3.10 以上をインストールした
• サポートされているロボット (SO-100, Koch v1.1, OpenArm, DK1, HopeJR, Reachy2) __またはシミュレーション環境
• 無料のHuggingFaceアカウント (データセットとモデルホスト)
• 複数のセッションで合計10時間程度

資格があるかどうかわからない? [Unit 0] (T0)

歩道 を 一目 一 眼 に 見る

完成チェックで終了する各ユニット 完成チェックで終了するまでの間進まない

[ 固定リンク ]

ゼロ

始める前に: レロボット の 設置 が 必要

レロボットとは何か サポートされているハードウェア ソフトウェアの要求 時間推定 援助の場所

コードなし

](T1) [

1 年間

LeRobot を インストール 確認 する 必要

ソフトウェアの設定と 模擬で ACTポリシーを実行して 環境を検証します

~ 1時間

T2)

2 について

レロボットデータセットの形式を理解する

データのセット構造 エピソードスケーマ 既存のデータセットを HuggingFace Hub から読み込みと視覚化します 自分のデータを録音する前に何が入っているのかを理解してください

~1.5時間

T3)

3 について

必要な 展示 を 記録 する

ロボットやシミュレーションを接続して レロボットレコードコマンドで デモンストレーションを記録し データセットを HuggingFace Hub に押し付けます

~ 2時間

T4)

4 について

必要な 政策 を 訓練 する

ACT,拡散ポリシー,および SmolVLA を選択してください.データセットで ACT を訓練し,トレーニングログを読み,評価に準備されたチェックポイントを保存します.

~ 3時間

T5)

5 について

政策 を 評価 する

試算や実際のロボットで 評価し 成功率を測定し 繰り返す前に 最上の失敗モードを診断します

~ 1時間

T6)

6 について

改善 し 共有 する 必要

データフライホイールを実行し,データセットを混ぜて,モデルとデータセットを HuggingFace Hubで共有し, Pi0Fastと SmolVLAで次のステップを計画します.

~1.5時間

T7)

時間 分裂

Unit	Topic	Time
Unit 0	Orientation	~20 min
Unit 1	Install & Verify	~1 h
Unit 2	Dataset Format	~1.5 h
Unit 3	Record Demos	~2 h
Unit 4	Train Policy	~3 h
Unit 5	Evaluate	~1 h
Unit 6	Improve & Share	~1.5 h
Total	~10 h 20 min

スタートユニット0 方向→

道路が始まる前に 全て準備ができていることを保証する技術的な内容はありません