本站点为独立社区，非 Hugging Face 官方。官方仓库：https://github.com/huggingface/lerobotThis site is an independent community hub, not affiliated with Hugging Face. Official repo: https://github.com/huggingface/lerobot
LeRobot 模型与数据集怎么选，才能最快复现？How to Choose LeRobot Models and Datasets for Fast Reproduction?
立即答案：先按硬件筛模型，再按算法类型（Diffusion/ACT/TD-MPC2）选择最适合你任务的策略。Direct Answer: Filter models by hardware first, then choose the algorithm type (Diffusion/ACT/TD-MPC2) best suited for your task.
| 算法 | 优势 | 代价 | 适合 |
|---|---|---|---|
| Diffusion Policy | 动作更平滑 | 推理更重 | 精细抓取 |
| ACT | 稳定易训练 | 对数据敏感 | 双臂任务 |
| TD-MPC2 | 动态控制强 | 环境与调参复杂 | 人形/行走 |
| 硬件 | 推荐用途 |
|---|---|
| SO-100 | 入门抓取闭环 |
| Aloha | 精细双臂操作 |
| Unitree | 动态任务与移动 |
| 复现方式 | 优点 | 风险 | 推荐 |
|---|---|---|---|
| 下载模型直接推理 | 最快 | 环境差异 | 先验证动作 |
| 微调（fine-tune） | 收敛快 | 迁移失败 | 任务相近 |
| 从零训练 | 最可控 | 成本高 | 任务差异大 |
lerobot/diffusion_pusht
Diffusion Policy扩散策略模型，在 PushT 环境（gym-pusht）中训练，学习将 T 形方块推送到目标位置。是 Diffusion Policy 的官方参考实现。
lerobot/act_aloha_sim_transfer_cube_human
ACTACT（Action Chunking with Transformers）策略模型，在 Aloha 仿真环境中完成方块转移任务，使用人类遥操作数据训练。
lerobot/act_aloha_sim_insertion_human
ACTACT 策略模型，在 Aloha 仿真环境中完成精细插入任务（AlohaInsertion），使用人类遥操作演示训练。
想要分享你的模型？Want to Share Your Model?
如果你训练出了表现优秀的模型，或者整理了高质量的数据集，欢迎提交给我们。 入选精选列表的作者将获得 lerobot.tech 社区的特别勋章和硬件购买优惠。If you have trained an excellent model or compiled a high-quality dataset, welcome to submit it to us. Authors featured on the curated list will receive a special lerobot.tech community badge and hardware discounts.
提交模型卡片Submit Model Card