本文档提供 LeRobot 框架的技术安装说明，涵盖环境搭建、依赖管理和可选功能安装。
LeRobot 可以通过 PyPI 或源码安装。包使用 可选扩展系统（在 pyproject.toml 中定义）来最小化核心安装的体积，同时支持庞大的硬件、仿真环境和策略架构生态。
LeRobot 需要 Python >= 3.12。同时明确声明支持 Python 3.13。
LeRobotDataset 中的视频解码至关重要。框架默认使用 TorchCodec，需要 ffmpeg 头文件和二进制文件pyserial）或 USB 访问（libusb）
推荐使用 miniforge 以确保一致的依赖解析：
conda create -y -n lerobot python=3.12
conda activate lerobot
如果在 Windows Subsystem for Linux（WSL）内安装，必须通过 conda-forge 安装 evdev（用于硬件控制的 pynput 所需）。
uv 用于项目的快速环境实例化：
uv venv
uv pip install lerobot[all]
重要：仅在 PyTorch >= 2.10（TorchCodec >= 0.10）时支持系统级 ffmpeg（通过 apt 或 brew）。
基础包仅包含轻量级核心 ML 依赖：
pip install lerobot推荐研究人员和贡献者使用，可立即测试本地更改：
git clone https://github.com/huggingface/lerobot
cd lerobot
pip install -e ".[all]"LeRobot 使用多层扩展系统管理其庞大的依赖树。
| 扩展名 | 包含包 | 用途 |
|---|---|---|
[dataset] | datasets, av, torchcodec, jsonlines | 核心数据加载和 v3 格式支持 |
[training] | [dataset], accelerate, wandb | 策略训练和实验跟踪 |
[hardware] | pynput, pyserial, deepdiff | 真实机器人和遥操作控制 |
[viz] | rerun-sdk | 通过 Rerun 实时可视化 |
| 扩展名 | 用途 | CLI 命令 |
|---|---|---|
[corescripts] | 数据集探索 | lerobot-dataset-viz, lerobot-imgtransform-viz |
许多策略架构和仿真环境需要第三方 SDK，需单独安装以避免版本冲突：
pip install “lerobot[pi]”pip install “lerobot[smolvla]”
LeRobot 利用 TorchCodec 实现高效的多线程视频解码。
TorchCodec 兼容性：
pyav
libsvtav1 编码器是 LeRobotDataset 格式的首选编解码器。
LeRobot 提供多种 Docker 配置：