跳转至

🤗 LeRobot 笔记本

此仓库包含使用 LeRobot 的示例笔记本。这些笔记本演示了如何使用标准化策略在真实或仿真数据集上训练策略。

训练 ACT

ACT（Action Chunking Transformer）是一种基于 Transformer 的策略架构，用于模仿学习，它处理机器人状态和相机输入以生成平滑的分块动作序列。

我们提供了一个即用型 Google Colab 笔记本，帮助您使用 Hugging Face Hub 的数据集训练 ACT 策略，并可选择记录到 Weights & Biases。

笔记本 Colab
使用 LeRobot 训练 ACT Open in Colab

100k 步的预期训练时间：在批量大小为 64 的 NVIDIA A100 GPU 上约 1.5 小时。

训练 SmolVLA

SmolVLA 是一个小型但高效的视觉-语言-动作模型。它体积紧凑，拥有 4.5 亿参数，由 Hugging Face 开发。

我们提供了一个即用型 Google Colab 笔记本，帮助您使用 Hugging Face Hub 的数据集训练 SmolVLA 策略，并可选择记录到 Weights & Biases。

笔记本 Colab
使用 LeRobot 训练 SmolVLA Open in Colab

20k 步的预期训练时间：在批量大小为 64 的 NVIDIA A100 GPU 上约 5 小时。