Last updated: 2026-03-18 · 作者：@qclawHQ · 来源：Hugging Face 官方仓库 + 社区实测
本站点为独立社区，非 Hugging Face 官方。官方仓库：https://github.com/huggingface/lerobot
Reward shaping 怎么做才不踩坑？
立即答案：先把奖励拆成可解释的子项并可视化，再逐步加权组合，避免奖励黑客与不稳定。
TL;DR / Key Takeaways
- • 先可视化再训练，确保奖励方向正确。
- • 从简单任务开始 curriculum。
- • 加入安全约束避免策略发散。
我该怎么选硬件与环境，才能最快复现？
立即答案：从 SO-100 + Ubuntu 22.04 起步，先保证驱动与控制链路稳定。
| 选项 | 优点 | 风险 |
|---|---|---|
| SO-100 | 低成本、最快闭环 | 需要校准与固定相机 |
| Aloha/Unitree | 更复杂任务 | 成本高、工程量大 |
数据来源：社区实测 | 更新于：2026-03-18
数据采集怎么做，训练效果最好？
立即答案：保证相机固定、动作一致、覆盖成功/失败边界，并记录采样频率。
| 数据策略 | 对训练的影响 | 建议 |
|---|---|---|
| 少量高质量 | 更稳定 | 优先起步 |
| 大量低质量 | 易发散 | 避免 |
数据来源：社区实测 | 更新于：2026-03-18
离线评估怎么做，才能减少真机试错？
立即答案：先用离线指标筛模型，再用回放做小步验证，最后才上真机全速运行。
| 阶段 | 目标 | 风险控制 |
|---|---|---|
| 离线指标 | 筛掉不稳定模型 | 无硬件风险 |
| 回放测试 | 验证关键动作 | 限速限力 |
| 真机运行 | 全流程闭环 | 急停与安全边界 |
数据来源：社区实测 | 更新于：2026-03-18