LeRobot 核心功能与关键配置项

三、核心功能与关键配置项

LeRobot 的功能可以按 CLI 子命令来梳理，每个子命令对应流水线的一个环节。

子命令	作用	典型产出
lerobot-calibrate	标定机械臂关节零点与方向	标定 JSON，后续所有环节复用
lerobot-teleoperate	主从遥操作，验证硬件接线与动作映射	实时动作流，不落盘
lerobot-record	采集演示数据集	LeRobotDataset，可推送 Hub
lerobot-replay	回放某条 episode，检验数据质量	机器人复现录制时的动作
lerobot-train	训练策略	checkpoint 目录与训练日志
lerobot-eval	在仿真或真机上评估策略	成功率等指标

策略层面，LeRobot 内置了多种常见算法实现，可根据任务特点选择。

策略类型	特点	适合的任务
ACT	基于 Transformer 的动作分块，一次预测一段动作	精细操作、双臂协同、对平滑性要求高的任务
Diffusion Policy	用扩散模型生成动作序列，多模态表达能力强	演示中存在多种合理做法、需要处理多峰分布的任务
TDMPC	基于模型的强化学习，可在线学习	能大量交互试错、奖励可定义的任务
VQ-BeT	离散化动作 token 加行为 Transformer	动作模式离散、需要长时序建模的任务

关键配置项集中在数据集定义与训练超参两块。数据集侧最重要的是 fps、features（每个字段的名字、形状、类型）以及图像字段的分辨率；训练侧最重要的是 batch_size、学习率、训练步数、以及策略自身的结构参数（如 ACT 的 chunk_size）。这里有一条铁律：训练时用的数据集统计量（均值方差）在推理阶段必须原样复用，如果部署时重新按现场数据算了一遍统计量，动作尺度就会整体偏移，表现为机器人动作幅度明显偏大或偏小。

另一个容易踩的坑是 fps 一致性。如果采集时是 30fps，训练配置里写成 10fps，模型学到的时间关系就是错的，推理时动作会显得"慢半拍"或"抢跑"。同理，如果推理时的控制频率与训练 fps 不一致，也需要显式做时间对齐，不能想当然。

三、核心功能与关键配置项

LeRobot 的功能可以按 CLI 子命令来梳理，每个子命令对应流水线的一个环节。