🤗 LeRobot 笔记本

本仓库包含使用 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 的模仿学习策略架构，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。

我们提供了一个可直接运行的 Google Colab 笔记本，帮助您使用 Hugging Face Hub 上的数据集来训练 ACT 策略。

Notebook	Colab
使用 LeRobot 训练 ACT

100k 步的预期训练时间：在 NVIDIA A100 GPU 上，64 的批量大小下约为 1.5 小时。

训练 SmolVLA

SmolVLA 是一个小巧但高效的视觉-语言-动作模型。它体积紧凑，参数量仅为 450 M，由 Hugging Face 开发。

我们提供了一个可直接运行的 Google Colab 笔记本，帮助您使用 Hugging Face Hub 上的数据集训练 SmolVLA 策略。

Notebook	Colab
使用 LeRobot 训练 SmolVLA

在 NVIDIA A100 GPU 上，批处理大小为 64 时，训练 20k 步的预期时间约为 5 小时。