A 档官方文件 / 标准原文 / 一手 API

LeRobot：把「采数据到真机动起来」做成脚本的那套库

Apache 2.0，Python，是目前 DIY 侧从零到能动的路上最短的一条。它的门槛不在概念，在你愿不愿意接受 Linux 与命令行。

许可: Apache 2.0（商用与再发布都不收费）
语言: Python；真机侧需要 Linux 环境与设备权限
配套硬件: SO-100 / SO-101 / LeKiwi / Reachy Mini 等低价硬件
内置策略: ACT、Diffusion Policy 等模仿学习方法的可用实现
数据侧: 接 Hugging Face 数据集 Hub，并提供公开数据集的转换工具
仓库: github.com/huggingface/lerobot

它解决什么问题: 它解决的是链路问题而不是算法问题：遥操作采数据、数据格式统一、训练脚本、真机推理，四段分别有人做，但把它们接起来才是真正花时间的地方。LeRobot 把这四段放进同一个仓库、同一套命令风格，并且用低价硬件验证过。对 DIY 的人，这等于别人替你把「环境配置地狱」走了一遍。
替代品与对照: 它不是 ROS 2 的替代品——两者管的层不同：LeRobot 管策略，ROS 2 管消息、驱动与实时性，成熟方案经常是「LeRobot 训、ROS 2 部署」。仿真优先的选择是 Isaac Lab，但那个偏大规模并行训练与合成数据，不带真机采数据工具。厂商 SDK（如各家机器人官方 SDK）能让你控制那台机器，但通常不给跨硬件的训练链路。
上手要付出什么: 付出是三件不在它控制范围内的事：一个 Linux 环境（真机侧的设备权限、串口与相机都在这上面绕）、一台能跑的 GPU（训练需要，推理可以省）、以及接受校准这件事。它不假装自己是开箱即用的设备，文档也直说需要动手基础。
已知的坑: 三个最常见的坑：①以为它是即插即用——校准与相机标定是必经步骤，跳过它后面所有训练数据都不可用；②硬件本身会飘，低价舵机与打印件的公差会随温度和使用变化，重采数据前要重新校准；③在系统 Python 里装——多版本依赖冲突是这类项目最常见的失败起点，用独立环境。
我们核过什么: 我们核过：①许可与商用条件（Apache 2.0，无版税）②它明确支持的硬件清单 ③官方文档里对「需要动手基础」这一点的直接表述。没核过：本站没有从零跑过完整训练流程，所以「新手多久能训出第一个可用策略」这类时间估计没有第一手数据。

这个站怎么判

如果你的目标是让一台低价臂真的按你的指令做动作，这是当前最省事的一条路。如果你的目标是理解学习算法的内部原理，它太上层了，你会想直接读论文实现。两者的顺序建议是：先用它跑通，再回去看算法。

它在整条链路里的位置

层	谁管	和 LeRobot 的关系
策略（怎么动）	LeRobot、Isaac Lab	它管的就是这一层
消息与实时性	ROS 2	需要多子系统协同时叠加进来，不是替代
硬件控制	厂商 SDK / 舵机总线协议	它通过硬件适配层调用
数据	数据集 Hub、公开数据集的转换	它提供格式统一与加载

一句话判断要不要用它

你的问题是「怎么让这台臂按我的示范动起来」，用 LeRobot。你的问题是「为什么策略收敛不了」，去看算法本身。这两个问题经常被混在一起，混在一起就会同时做不好。

来源

官方仓库与文档（许可、支持的硬件、安装要求、限制说明）
公开的技术评测与使用记录（关于 Linux/Python 前置要求与校准负担）

涉及的对象

最后核实 2026-09-28