🤗 LeRobot Notebooks

此程式碼倉庫包含了使用 LeRobot 的示例 Notebooks。這些 Notebooks 演示瞭如何使用標準化的策略在真實或模擬資料集上訓練策略。

ACT (Action Chunking Transformer) 是一種基於 Transformer 的模仿學習策略架構，它處理機器人狀態和攝像頭輸入以生成平滑、分塊的動作序列。

我們提供了一個可直接執行的 Google Colab Notebook，幫助您使用 Hugging Face Hub 上的資料集訓練 ACT 策略，並可選擇性地將日誌記錄到 Weights & Biases。

筆記本	Colab
使用 LeRobot 訓練 ACT

在 NVIDIA A100 GPU 上，批次大小為 64 時，訓練 10 萬步的預計時間：約 1.5 小時。

SmolVLA 是一個小型但高效的視覺-語言-動作模型。它體積小巧，僅有 4.5 億引數，由 Hugging Face 開發。

我們提供了一個可直接執行的 Google Colab Notebook，幫助您使用 Hugging Face Hub 上的資料集訓練 SmolVLA 策略，並可選擇性地將日誌記錄到 Weights & Biases。

筆記本	Colab
使用 LeRobot 訓練 SmolVLA

在 NVIDIA A100 GPU 上，批次大小為 64 時，訓練 2 萬步的預計時間：約 5 小時。