使用场景

在ALOHA环境中使用ACT策略进行机器人操作任务的研究。

使用SimXArm环境和TDMPC策略进行机器人臂操作的模拟。

利用PushT环境和Diffusion策略研究机器人推动物体的任务。

产品特色

提供模仿学习和强化学习领域的先进方法

包含预训练模型、数据集和模拟环境

无需组装机器人即可开始实验

支持在Hugging Face社区页面上托管预训练模型和数据集

提供安装和使用文档，包括虚拟环境的创建和依赖的安装

提供数据集和预训练模型的可视化工具

允许用户下载并评估预训练策略

提供训练脚本以方便用户训练自己的策略

使用教程

步骤1：下载LeRobot的源代码。

步骤2：创建并激活Python 3.10的虚拟环境。

步骤3：根据需要安装LeRobot及其额外的模拟环境依赖。

步骤4：登录Hugging Face并使用写访问令牌将数据集推送到Hugging Face hub。

步骤5：使用提供的工具可视化数据集或评估预训练策略。

步骤6：根据示例开始训练自己的策略，并使用实验跟踪工具记录进度。

步骤7：在训练完成后，可以在Hugging Face hub上上传训练好的策略。