LeRobot 训练与评估

本页面概述 LeRobot 的训练和评估系统：涉及的脚本、配置如何流入流水线，以及训练和评估之间的关系。

返回概述

训练和评估共享一个通用结构：配置数据类驱动所有选择，工厂层实例化数据集、策略和环境，循环处理数据流。评估集成在训练中（定期运行 rollout），也可通过 lerobot-eval 独立运行。

train() 函数是监督离线训练的单一入口点。它使用 Hugging Face Accelerator 进行设备管理、混合精度和多 GPU 支持。

lerobot-train --policy.type=act --dataset.repo_id=lerobot/pusht --training.output_dir=./output

TrainPipelineConfig 是训练的唯一根数据类，包含以下子配置：

• 策略配置：选择策略类型和超参数
• 数据集配置：指定数据集路径或 Hub repo_id
• 训练配置：批量大小、学习率、epoch 数等
• 评估配置：评估频率和 rollout 参数

所有子配置在启动时通过 validate() 方法验证。

LeRobot 支持多种优化器和学习率调度器：

• 优化器：AdamW、SGD 等
• 调度器：Cosine annealing、StepLR、Constant 等
• 支持 warmup 阶段

通过 Hugging Face Accelerator 实现：

• 自动设备放置
• 混合精度训练（FP16/BF16）
• 多 GPU 数据并行
• 梯度累积支持

评估在向量化仿真环境中运行 rollout 并报告汇总指标。

从 lerobot-eval CLI 调用，也可在训练过程中定期触发：

lerobot-eval --policy.type=act --policy.pretrained_model_name_or_path=./output/checkpoint

在所有环境的 VectorEnv 中运行一批 episodes。滚动直到所有环境完成或达到 max_steps，返回形状为 (batch, sequence, *) 的动作、奖励、成功和完成张量。

除了监督学习，LeRobot 还支持强化学习流水线：

• HIL-SERL：人类介入的强化学习框架
• TDMPC：基于模型预测控制的强化学习
• 奖励建模：通过 RewardModelConfig 支持自定义奖励函数和基于 Hub 的奖励模型共享

训练和评估都使用工厂函数实例化策略及其处理器：

• makepolicy()：根据配置创建策略实例 * makeenv()：创建仿真环境
• makeenvprepostprocessors()：创建环境和策略之间的预处理器和后处理器

• LeRobot 框架概述
• 数据集
• 策略架构