{{htmlmetatags>metatag-robots=(index,follow)
metatag-keywords=(LeRobot,Robot抽象,LeRobotDataset,策略框架,处理器系统,机器人学习)
metatag-description=(LeRobot 四大核心抽象：Robot 接口、LeRobotDataset 格式、策略框架和处理器系统)
}}

====== LeRobot 核心概念 ======

本页面解释 LeRobot 实现端到端机器人学习的四大基石：**Robot 抽象**、**LeRobotDataset 格式**、**策略框架**和**处理器系统**。理解这些概念对于有效使用 LeRobot 至关重要。

[[机器人:lerobot:home|返回概述]]

===== LeRobot 四大支柱 =====

LeRobot 围绕四个核心抽象构建，共同实现从数据采集到策略部署的统一工作流：

^ 支柱 ^ 目的 ^ 关键优势 ^
| **Robot 抽象** | 硬件无关的机器人控制接口 | 一次编写，在任何支持的机器人上运行 |
| **LeRobotDataset** | 标准化的机器人数据格式 | 高效存储、流式传输和共享 |
| **策略框架** | IL、RL 和 VLA 模型的统一接口 | 轻松实验不同算法 |
| **处理器系统** | 通用数据转换和归一化 | 传感器、模型和执行器之间的无缝数据流 |

===== 1. Robot 抽象 =====

==== 目的 ====

Robot 抽象提供统一的 Python 接口用于控制多样化的机器人硬件。这种抽象将控制逻辑与硬件特定细节解耦，使同一代码能在不同平台上工作。

==== 关键类和接口 ====

系统建立在抽象基类之上，定义了物理交互的严格契约。子类实现 ''get_observation'' 和 ''send_action'' 等方法以在生态系统中使用。

LeRobot 原生支持广泛的平台，从低成本机械臂如 SO100 到人形机器人如 Unitree G1。遥操作通过引导臂、游戏手柄和移动设备支持。

===== 2. LeRobotDataset =====

==== 目的 ====

''LeRobotDataset'' 是存储和共享机器人学习数据的标准化格式。它使用 **Apache Parquet** 存储表格数据（状态、动作、奖励）和 **MP4 视频**（或图像）存储视觉观测，以确保可扩展性和 Hub 集成。

==== 文件结构 ====

数据集组织为 ''meta/'' 目录（存储全局信息）和 ''data/'' 或 ''videos/'' 目录（存储实际样本）。数据被分块到文件中以提高存储效率和加载性能。

==== 数据访问和元数据 ====

''LeRobotDataset'' 类继承自 ''torch.utils.data.Dataset''，封装了以下组件：

  * **元数据**：由 ''LeRobotDatasetMetadata'' 管理，处理 ''info.json''、''stats.json'' 和 ''tasks.parquet''
  * **读取器**：''DatasetReader'' 处理从 Parquet 加载数据和通过 ''torchcodec'' 或 ''pyav'' 等后端解码视频帧
  * **写入器**：''DatasetWriter'' 处理顺序录制，包括 episode 缓冲区和视频编码

===== 3. 策略框架 =====

==== 目的 ====

策略框架为不同的机器人学习算法提供统一接口。这使得在模仿学习（IL）、强化学习（RL）和视觉-语言-动作（VLA）模型之间切换只需最小限度的代码更改。

==== 策略类别 ====

^ 类别 ^ 示例 ^ 目的 ^
| **模仿学习** | ACT, Diffusion, VQ-BeT | 从专家演示中学习 |
| **强化学习** | HIL-SERL, TDMPC | 通过与环境的交互学习 |
| **VLA 模型** | Pi0, SmolVLA, GR00T | 大规模多模态推理 |

策略设计为可在 Hugging Face Hub 上共享，训练逻辑通过 ''lerobot-train'' CLI 触发。

===== 4. 数据处理流水线 =====

==== 目的 ====

处理器充当原始硬件信号和策略就绪张量之间的桥梁。该系统确保数据在到达模型之前被正确转换、归一化和整形。

==== 归一化和统计 ====

LeRobot 使用数据集中的 ''stats.json'' 文件存储不同模态的统计信息（均值、标准差、最小值、最大值）。预处理器使用这些统计信息对输入观测进行归一化，后处理器用于反归一化预测的动作。

==== 实现逻辑 ====

处理逻辑通常分为：

  1. **预处理器**：处理图像大小调整、颜色增强和状态归一化
  2. **后处理器**：将模型输出（例如归一化增量）转换回原始电机指令

===== 相关页面 =====

  * [[机器人:lerobot:home|LeRobot 框架概述]]
  * [[机器人:lerobot:安装与设置|安装与设置]]
  * [[机器人:lerobot:命令行界面|命令行界面]]
  * [[机器人:lerobot:数据集|数据集]]