🤗 LeRobot Notebooks

此代码仓库包含了使用 LeRobot 的示例 Notebooks。这些 Notebooks 演示了如何使用标准化的策略在真实或模拟数据集上训练策略。

---

训练 ACT

ACT (Action Chunking Transformer) 是一种基于 Transformer 的模仿学习策略架构，它处理机器人状态和摄像头输入以生成平滑、分块的动作序列。

我们提供了一个可直接运行的 Google Colab Notebook，帮助您使用 Hugging Face Hub 上的数据集训练 ACT 策略，并可选择性地将日志记录到 Weights & Biases。

笔记本	Colab
使用 LeRobot 训练 ACT

在 NVIDIA A100 GPU 上，批量大小为 64 时，训练 10 万步的预计时间：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。它体积小巧，仅有 4.5 亿参数，由 Hugging Face 开发。

我们提供了一个可直接运行的 Google Colab Notebook，帮助您使用 Hugging Face Hub 上的数据集训练 SmolVLA 策略，并可选择性地将日志记录到 Weights & Biases。

笔记本	Colab
使用 LeRobot 训练 SmolVLA

在 NVIDIA A100 GPU 上，批量大小为 64 时，训练 2 万步的预计时间：约 5 小时。

< > 在 GitHub 上更新