Hugging Face 推出 LeRobot：面向真实世界机器人应用的机器学习模型

Hugging Face 近日发布了 LeRobot，这是一个专为真实世界机器人应用训练的机器学习模型。LeRobot 作为一个平台，提供了多功能库，用于数据共享、可视化和高级模型的训练。

LeRobot 的目标与功能

LeRobot 的目标是提供用于真实世界机器人应用的模型、数据集和工具，基于 PyTorch 开发。其宗旨是降低机器人领域的入门门槛，使得每个人都能通过共享数据集和预训练模型来贡献和受益。

Remi Cadene 的评论

Remi Cadene 之前曾在特斯拉担任科学家，现任职于 Hugging Face。他在 X 平台上表示：

LeRobot 对于机器人领域的意义，就如同 Transformers 库对于自然语言处理（NLP）的意义。

LeRobot 的特点

LeRobot 通过提供预训练模型以及与物理模拟器的无缝集成，简化了项目的启动。它最近在 AlohaTransferCube 环境中进行了评估，并与使用原始 ACT 仓库训练的类似模型进行了比较。500 次实验的成功率结果为其性能提供了有价值的见解。

同样，LeRobot 也在 PushT 环境中进行了评估，并与使用原始 Diffusion Policy 代码训练的模型进行了对比。该评估同样通过 500 次实验的成功率，全面展示了 LeRobot 在真实场景中的能力。

硬件兼容性与适应性

LeRobot 旨在兼容各种机器人硬件，从基础的教育机械臂到研究环境中的复杂人形机器人。它提供了一个适应性强的人工智能系统，能够控制任何类型的机器人，从而提高机器人应用的多样性和可扩展性。

开源与社区参与

LeRobot 是 开源的，托管在 GitHub 上，旨在将权力和创新分布到更广泛的社区。Hugging Face 表示，通过免费提供 LeRobot，它鼓励全球的开发者、研究人员和爱好者参与并受益于人工智能机器人领域的进步。

社区反响

LeRobot 的发布在人工智能和机器人社区中引发了极大的热情。X 平台上的用户纷纷表示：

让机器人技术的繁荣开始吧！

还有人表示：

机器人爱好者的开源天堂！

数据集覆盖范围

LeRobot 提供的数据集涵盖了广泛的机器人场景和任务。这些数据集包括用于物体插入和转移、移动挑战以及各种物体操作的模拟环境。例如，aloha_sim_insertion_human_image 和 aloha_sim_transfer_cube_scripted_image 数据集专注于人类引导的操作和脚本化转移，而 aloha_static_battery 和 aloha_static_candy 则涉及静态物体。此外，还有与手臂运动和操作相关的数据集，如 xarm_push_medium_replay_image 和 xarm_lift_medium_image。这些数据集为真实世界机器人应用中的 AI 模型训练和测试提供了宝贵的资源。

总结

LeRobot 在简化机器人开发方面的潜力以及对降低贡献者入门门槛的承诺，使其成为一个有前景的资源。然而，在文档、硬件兼容性和性能方面仍需考虑一些细节。