🤗 LeRobot 笔记本
该仓库包含使用 LeRobot 的示例 notebook。这些 notebook 演示了如何使用标准化 policy 在真实或 simulation dataset 上训练 policy。
训练 ACT
ACT（action chunking Transformer）是一种基于 transformer 的模仿学习 policy 架构，它处理机器人 state 和相机输入，以生成平滑的分块 action sequence。
我们提供了一个可直接运行的 Google Colab notebook，帮助你使用 Hugging Face Hub 中的 dataset 训练 ACT policy，并可选地将日志记录到 Weights & Biases。
| Notebook | Colab |
|---|---|
| 使用 LeRobot 训练 ACT |  |
100k 步的预期训练时间：在 NVIDIA A100 GPU 上、批次大小为 64 时约 1.5 小时。
训练 SmolVLA
SmolVLA 是一个小巧而高效的视觉-语言-action 模型。它尺寸紧凑，拥有 450M 参数，由 Hugging Face 开发。
我们提供了一个可直接运行的 Google Colab notebook，帮助你使用 Hugging Face Hub 中的 dataset 训练 SmolVLA policy，并可选地将日志记录到 Weights & Biases。
| Notebook | Colab |
|---|---|
| 使用 LeRobot 训练 SmolVLA | |
20k 步的预期训练时间：在 NVIDIA A100 GPU 上、批次大小为 64 时约 5 小时。