训练 LeRobot policy 的粗略规模估算：每种 policy 需要多少显存（VRAM）、训练时间大致如何，以及本地硬件不足时在哪里运行。
以下数字为参考性数据——用于选择硬件的数量级估算，而非精确预测。吞吐量在很大程度上取决于 dataset I/O、图像分辨率、批次大小和 GPU 数量。
policy 按主干网络规模聚簇；下面的分组为每组给出一个显存包络，而不是逐 policy 重复数字。显存大致随批次大小线性增长；AdamW（LeRobot 的默认优化器）携带的优化器 state 会在纯粹的前向+反向传播基础上额外增加约 30–100%。
| 分组 | policy | 峰值显存（批次 8，AdamW） | 适合的入门级 GPU |
|---|---|---|---|
| 轻量 BC | act、vqbet、tdmpc | ~2–6GB | 笔记本 GPU（RTX 3060）、L4、A10G |
| 扩散模型 | diffusion、multi_task_dit | ~8–14GB | RTX 4070+ / L4 / A10G |
| 小型 VLA | smolvla | ~10–16GB | RTX 4080+ / L4 / A10G |
| 大型 VLA | pi0、pi0_fast、pi05、xvla、wall_x | ~24–40GB | A100 40 GB 以上（24 GB 在批次 1 时较为紧张） |
| 多模态 | groot、eo1 | ~24–40GB | A100 40 GB 以上 |
| 强化学习 | sac | 取决于配置 | 参见 HIL-SERL 指南 |
受显存限制？可以降低批次大小（大致线性关系）、使用梯度累积来恢复有效批次大小，或者对于 SmolVLA，保留 freeze_vision_encoder=True。
机器人模仿学习通常可以在dataset 上训练 5–10 个 epoch 后收敛，而不是数十万原始步。一旦你知道了 epoch 数量，墙钟时间基本上就是：
total_frames = sum of frames over all episodes # 50 ep × 30 fps × 30 s ≈ 45,000 steps_per_epoch = ceil(total_frames / (num_gpus × batch_size)) total_steps = epochs × steps_per_epoch wall_clock ≈ total_steps × per_step_time
每步耗时取决于 policy 和 GPU。下表中的数字是参考 benchmark——选择最接近你配置的那一行，如果你训练得时间更长或更短，则随 total_steps 线性缩放。
在约 50 个 episode 的 dataset（30 fps × 30 秒下约 4.5 万帧）上训练 5 个 epoch的参考墙钟时间，使用默认优化器（AdamW）、640×480 图像：
| 配置 | policy | 批次 | 墙钟时间 |
|---|---|---|---|
| 单块 RTX 4090 / RTX 3090（24 GB） | act | 8 | ~30–60 分钟 |
| 单块 RTX 4090 / RTX 3090（24 GB） | diffusion | 8 | ~2–4 小时 |
| 单块 L4 / A10G（24 GB） | act | 8 | ~1–2 小时 |
| 单块 L4 / A10G（24 GB） | smolvla | 4 | ~3–6 小时 |
| 单块 A100 40 GB | smolvla | 16 | ~1–2 小时 |
| 单块 A100 40 GB | pi0 / pi05 | 4 | ~4–8 小时 |
4× H100 80 GB 集群（accelerate） | diffusion | 32 | ~30–60 分钟 |
4× H100 80 GB 集群（accelerate） | smolvla | 32 | ~1–2 小时 |
| Apple Silicon M1/M2/M3 Max（MPS） | act | 4 | ~6–14 小时 |
这些只是数量级估算。实际运行会因图像分辨率、dataset I/O、数据加载器线程数以及具体的 GPU 型号而偏差 ±50%。它们适用于培养“这次运行是要一小时还是一天？”的直觉，而非作为 SLA 承诺。
accelerate launch --num_processes=N 是缩短训练时间最简单的方法。每个优化器步骤处理 N × batch_size 个样本，所需墙钟时间与单 GPU 步骤大致相同，因此对于计算密集型的运行，4 个 GPU ≈ 4 倍加速。完整设置参见多 GPU 训练指南。
在 4×H100 80 GB 集群（accelerate launch --num_processes=4）、5000 步、批次 32、AdamW、dataset imstevenpmwork/super_poulain_draft（约 50 个 episode、约 640×480 图像）上的参考数据点：
| policy | 墙钟时间 | update_s | dataloading_s | GPU 利用率 | 值得注意的标志 |
|---|---|---|---|---|---|
diffusion | 16 分 17 秒 | 0.167 | 0.015 | ~90% | 默认设置（从头训练） |
smolvla | 27 分 49 秒 | 0.312 | 0.011 | ~80% | --policy.path=lerobot/smolvla_base、freeze_vision_encoder=false、train_expert_only=false |
pi05 | 3 小时 41 分 | 2.548 | 0.014 | ~95% | --policy.pretrained_path=lerobot/pi05_base、gradient_checkpointing=true、dtype=bfloat16，视觉编码器 + 专家联合训练 |
训练日志将完整的迭代拆分为 dataloading_s（next(dl_iter)）、preprocessing_s （图像转换和 policy 流水线）以及 update_s（优化器更新）。step_s 涵盖全部
三个阶段并驱动 samples_per_s。上面的 benchmark 早于这一拆分，因此其 dataloading_s 包含
预处理。
如果你缩短训练（例如在小型 dataset 上 5k–10k 步），请同时使用 --policy.scheduler_decay_steps≈--steps 缩短学习率调度。否则学习率会保持在峰值附近而永远不会衰减。--save_freq 也是如此。
显存是首要筛选条件。在同一层级内，按预算和可用性选择——$–$$$$ 列表示相对价格；请在你实际使用的云服务商上查看当前定价。
| 类别 | 显存 | 层级 | 适合 |
|---|---|---|---|
| RTX 3090 / 4090（消费级） | 24 GB | $ | 轻量 BC、Diffusion、SmolVLA。对于 VLA 在批次 1 时较紧张。 |
| L4 / A10G（云） | 24 GB | $–$$ | 相同的显存包络；常见于 Google Cloud、RunPod、AWS g5/g6。 |
| A100 40 GB | 40 GB | $$$ | 任何 policy 都能以合理的批次大小运行。 |
| A100 80 GB / H100 80 GB | 80 GB | $$$$ | 多 GPU 集群；适用于 VLA 的大批次。 |
| 仅 CPU | — | — | 不要训练。请使用 Colab 或租用 GPU。 |
Hugging Face Jobs 让你可以在托管的 HF 基础设施上运行训练，按秒计费，无需自备 GPU。lerobot-train 会为你提交并流式运行任务——只需在普通的训练命令中添加 --job.target=<flavor> 即可：
lerobot-train \ --policy.type=act --dataset.repo_id=<USER>/<DATASET> \ --policy.repo_id=<USER>/act_<task> \ --job.target=a10g-large
说明：
hf auth login，任务将在你的令牌下运行。--job.target 与上面的表格对应：t4-small/t4-medium（T4，仅 ACT）、l4x1/l4x4（L4 24 GB）、a10g-small/large/largex2/largex4（A10G 24 GB 横向扩展）、a100-large（A100）。通过 hf jobs hardware 可查看当前包含定价的目录，或参见 https://huggingface.co/docs/hub/jobs。2d（48 小时）的超时时间。使用 --job.timeout=4h（或任何其他有效的时长字符串）覆盖它以缩短或延长超时时间。命令完成后任务会自动停止。