端到端模仿学习实战：幻尔科技LeRobot如何从“被动执行”进化为“自主学徒”

LeRobot 是 Hugging Face 生态在真实机器人世界的落地，让智能不仅停留在软件里，也能在物理空间中“动起来”。与传统机械臂相比，LeRobot的差异并非简单的优劣之分，而是“精密工具”与“智能学徒”的本质区别。最显著的体现，就是LeRobot所具备的端到端模仿学习能力——它从根本上改变了机器人的技能习得方式，实现了从被动“执行”到自主“学习”的跨越。

 

 

传统机械臂如何学会“抓起一个杯子”？

当我们想让传统机械臂学会“抓起一个杯子”时，通常依赖一套复杂而精确的控制流程：

首先利用视觉相机拍摄物体，并借助图像识别算法计算出目标物体的三维坐标；接着运用逆运动学，计算出机械臂每个关节到达目标位置所需转动的角度;最后进行轨迹规划和PID控制，确保执行动作的平滑与精准。

这套流程虽然能保证机械臂动作的精确性，却牺牲了灵活性。一旦目标物体发生移动，整个流程必须重新执行。

 

 

LeRobot机械臂如何学会“抓起一个杯子”？

而LeRobot采用了一种更接近人类学习方式的做法——它依托Hugging face强大的机器学习生态，将人类的动作示范直接转化为机器人的技能，让机械臂像学徒一样，通过“观察”与“模仿”来完成任务。具体来说，端到端模仿学习分为三个步骤：

遥操作示范：LeRobot系统包含主臂和从臂两个部分。主臂由人直接操控，就像遥控器一样，控制从臂同步复刻动作。你只需操作主臂抓取几次杯子作为动作示范，从臂便会同步复现。而舵机内置的角度传感器，将实时的记录机械臂的动作和姿态，并同步传输到系统中。同时，安装在机械臂末端的摄像头持续采集视觉画面。这些数据共同构成AI学习抓取动作的训练素材。

 

 

一键数据上传和模型训练：系统自动将采集到的数据整理为画面和动作相对应的数据集，无需手动整理或标注。通过调用Hugging Face平台预置的机器学习框架，就能一键启动模型训练，实现高效、自动化的技能学习流程。

自动化执行：模型训练完成后，就掌握了抓取杯子的技能。此后，即使将杯子放在一个新位置，LeRobot也能依据实时画面与舵机反馈角度，自主规划出下一步的运动轨迹。机械臂每执行一个动作，系统都会根据最新的传感器与视觉数据，立即重新计算并修正后续路径。通过循环往复的“感知-规划-行动”闭环，最终能自主、精准地完成抓取任务。

在完成示范、数据上传与训练后，LeRobot 已经能够自主完成抓取动作，这种从视觉感知到动作执行的全流程自主能力，正是端到端学习的核心体现。

 

 

什么是端到端模型？

所谓端到端模型，就是将传统机器人操作中繁琐的目标定位、路径规划和舵机控制等环节，全部交由深度神经网络自动处理，中间不需要任何人类的干预。我们只需提供足够多的示范数据，就像教小孩子抓球一样，让机器人在实践中掌握动作技能。通过这样的学习方式，开发者将重心从“代码编写”转向“技能示范”，显著提升开发效率，同时大幅缩短项目落地周期。

 

 

从“编程”到“示教”，从“执行”到“学习”，LeRobot不仅仅是技术的升级，更是思维方式的转变。而幻尔基于 Hugging Face 的LeRobot开源项目打造的SO-ARM101具身智能机械臂，正是为承载这一变革而生的理想平台。我们通过升级的双摄视觉系统、自研的高精度舵机与强化结构，将开源算法的潜力稳定地释放出来，并配以详尽的课程体系，让每一位开发者都能无忧地踏上具身智能的探索之旅。此刻，机器人技术正走出实验室的高墙，走向了广大开发者和创新者。LeRobot开启的，是一个智能机器人触手可及的新时代。