LeRobot 文件
🤗 LeRobot 筆記本
加入 Hugging Face 社群
並獲得增強的文件體驗
開始使用
🤗 LeRobot 筆記本
本儲存庫包含使用 LeRobot 的範例筆記本。這些筆記本展示了如何使用標準化策略，在真實或模擬數據集上進行策略訓練。
訓練 ACT
ACT (Action Chunking Transformer) 是一種用於模仿學習的 Transformer 策略架構，它能處理機器人狀態與攝影機輸入，進而產生平滑且分塊的動作序列。
我們提供了開箱即用的 Google Colab 筆記本，協助您使用來自 Hugging Face Hub 的數據集來訓練 ACT 策略，並可選擇將紀錄同步至 Weights & Biases。
| 筆記本 (Notebook) | Colab |
|---|---|
| 使用 LeRobot 訓練 ACT |  |
預計 10 萬步的訓練時間：在 NVIDIA A100 GPU 上，以 64 的批次大小進行訓練約需 1.5 小時。
訓練 SmolVLA
SmolVLA 是一種小巧但高效的視覺-語言-動作 (Vision-Language-Action) 模型。它由 Hugging Face 開發，擁有 4.5 億參數，體積精簡。
我們提供了開箱即用的 Google Colab 筆記本，協助您使用來自 Hugging Face Hub 的數據集來訓練 SmolVLA 策略，並可選擇將紀錄同步至 Weights & Biases。
| 筆記本 (Notebook) | Colab |
|---|---|
| 使用 LeRobot 訓練 SmolVLA | |
預計 2 萬步的訓練時間：在 NVIDIA A100 GPU 上，以 64 的批次大小進行訓練約需 5 小時。