零基础搭建Lerobot SO-ARM100机械臂并完成自定义抓取任务（Windows/Linux全攻略：从环境配置到私有数据集微调）

1. 项目简介

欢迎来到史上最详细的Lerobot与SO-ARM100机械臂零基础教程！无论你是机器人爱好者、学生还是开发者，本文将从零开始，手把手教你如何在Windows和Linux系统上搭建Lerobot开发环境，使用Pi0/ACT算法录制私有数据集，并完全离线（不上传HuggingFace）进行微调训练，最终让机械臂完成自定义抓取任务。全程无需任何深度学习基础，小白也能轻松上手！

2. 硬件准备

要开始实践，你需要准备以下硬件：

• SO-ARM100机械臂：一款高性价比的六轴协作机械臂，支持Lerobot生态。
• RGB摄像头（如Intel RealSense D415或普通USB摄像头）：用于视觉采集。
• 控制电脑：Windows 10/11 或 Ubuntu 20.04/22.04，建议配备NVIDIA显卡（用于加速训练）。
• USB数据线：连接机械臂和电脑。

3. 环境搭建（Windows & Linux）

3.1 安装基础工具

无论哪个系统，都需要安装Python 3.10+、Git和虚拟环境工具。以下是具体步骤：

Windows用户：

1. 下载Python 3.10安装包（官网python.org），安装时勾选“Add Python to PATH”。
2. 安装Git for Windows（git-scm.com），使用默认选项。
3. 打开命令提示符（cmd），输入 python --version 确认安装成功。

Linux用户（Ubuntu）：

1. 打开终端，运行 sudo apt update && sudo apt install python3.10 python3-pip git -y
2. 验证安装：python3 --version

3.2 创建虚拟环境并克隆Lerobot仓库

为了隔离项目依赖，强烈建议使用虚拟环境：

Windows（cmd）:

python -m venv lerobot_envlerobot_env\Scripts�ctivategit clone https://github.com/huggingface/lerobot.gitcd lerobotpip install -e .

Linux:

python3 -m venv lerobot_envsource lerobot_env/bin/activategit clone https://github.com/huggingface/lerobot.gitcd lerobotpip install -e .

至此，Lerobot基础环境已准备就绪。如需GPU加速，请额外安装torch与cuda版本（参考pytorch官网）。

4. 录制私有数据集（不上传HuggingFace）

Lerobot提供了便捷的数据录制脚本。首先连接SO-ARM100机械臂并确保摄像头正常工作，然后执行以下命令录制你的专属数据集：

python lerobot/scripts/record_episodes.py   --robot so100   --fps 30   --num_episodes 10   --output_dir ./my_dataset

参数说明：--robot so100指定机械臂类型，--fps为采集帧率，--num_episodes为采集回合数，--output_dir为本地保存路径。录制过程中，你可以手动控制机械臂演示抓取动作，系统将同步保存图像和关节数据。录制完成后，数据集将完全存储在本地./my_dataset文件夹中，默认不会上传至HuggingFace，确保数据隐私。

5. 私有数据集微调训练

现在我们使用录制好的本地数据集，基于ACT算法进行微调。Lerobot支持多种算法，Pi0/ACT是其中的高效策略。训练前需要准备配置文件，这里我们直接使用命令行指定本地路径：

python lerobot/scripts/train.py   --dataset.root ./my_dataset   --policy.type act   --output_dir ./outputs/my_act_model   --train.batch_size 8   --train.epochs 50   --device cuda  # 若无GPU可改为cpu，但训练极慢

关键点：--dataset.root指向本地数据集；--policy.type act选择ACT算法；--output_dir指定模型保存位置。训练过程中，所有检查点、日志和最终模型都会保存在本地，绝不联网上传。你可以通过调整--train.epochs控制训练轮数，一般50轮即可获得不错的效果。

6. 完成自定义抓取任务

训练完成后，加载模型并进行推理，让机械臂执行抓取：

python lerobot/scripts/eval.py   --policy.path ./outputs/my_act_model/checkpoints/latest.pth   --robot so100   --episodes 5   --seed 42

该命令会启动机械臂，使用最新模型连续执行5次抓取任务。你可以观察机械臂是否成功抓取目标物体，并根据效果调整训练参数或录制更多数据。至此，你已经完成了从零搭建、录制私有数据、本地微调再到实际部署的全流程！

7. 常见问题与技巧

• 数据集质量：录制时尽量保持动作平滑、覆盖多种场景，能显著提升模型泛化能力。
• 硬件兼容：SO-ARM100需按照官方文档烧录固件并配置串口权限（Linux下需加入dialout组）。
• 离线训练：本文所有步骤均不依赖HuggingFace网络，通过--offline或本地路径实现私有化微调。

© 2025 零基础Lerobot教程 | 关键词：Lerobot, SO-ARM100机械臂, ACT算法, 私有数据集微调