lerobot-smolvla-lew

LeRobot é uma biblioteca abrangente de código aberto projetada para reduzir a barreira de entrada para a robótica do mundo real, fornecendo modelos, datasets e ferramentas construídas sobre PyTorch. Ela serve como uma interface unificada para controlar diversas plataformas robóticas, desde braços de baixo custo como o SO-100 até humanoides como o Unitree G1 e o Reachy2. A biblioteca enfatiza a agnósticidade de hardware, permitindo que os desenvolvedores desacoplem a lógica de controle dos detalhes específicos do hardware por meio de uma interface de classe `Robot` padronizada. Um recurso central do LeRobot é sua abordagem para resolver a fragmentação de dados em robótica por meio do formato LeRobotDataset. Esse formato padronizado combina vídeos MP4 sincronizados (ou imagens) para dados visuais com arquivos Parquet para dados de estado e ação. Ele está profundamente integrado com o Hugging Face Hub, permitindo o armazenamento, streaming e visualização eficientes de datasets robóticos massivos. Os usuários podem carregar facilmente datasets, manipular episódios e mesclar fontes de dados usando simples APIs de Python. LeRobot implementa uma ampla gama de políticas de ponta que abrangem Aprendizado por Imitação, Aprendizado por Reforço e modelos de Visão-Linguagem-Ação (VLA). Modelos notáveis suportados incluem ACT, Diffusion Policy, Pi0, GR00T N1.5 e SmolVLA. A biblioteca também suporta modelos de mundo emergentes como VLA-JEPA e modelos de recompensa como SARM e Robometer. O treinamento dessas políticas é simplificado por meio de configurações de script, permitindo que os usuários lancem trabalhos de treinamento com simples argumentos de linha de comando que especificam o tipo de política e o repositório do dataset. A inferência e a avaliação são suportadas por meio de scripts unificados que funcionam tanto com ambientes de simulação quanto com hardware real. LeRobot integra-se com benchmarks padrão como LIBERO e MetaWorld, e fornece ferramentas para os usuários implementarem e distribuírem seus próprios ambientes de simulação via EnvHub. O projeto promove um ecossistema de código aberto com documentação extensa, suporte da comunidade via Discord e recursos para integração de hardware e políticas personalizadas.