የመጀመሪያዎን LeRobot ዳታሴት በSO-100 ይመዝግቡ

አንድ SO-100 ተከታይ፣ ተመሳሳይ ዲዛይን ያለው መሪ ክንድ እና ሁለት የዩኤስቢ ካሜራዎች በአንድ ከሰዓት በኋላ ፖሊሲን ማስተካከል ይችላሉ። ተመሳሳይ የሙከራ ቦታ በፋይል ማሰሻ ውስጥ ጤናማ የሚመስሉ ስልሳ ክፍሎችን በቀላሉ ማምረት እና የስድስት ሰዓት የጂፒዩ ስራን ማባከን ይችላል። ልዩነቱ ሞዴሉ እምብዛም አይደለም፤ በሰርቮስ እና በፓርኬት ፋይል መካከል የተፈጠረው ነገር ነው።

ይህ በእጅ የሚሰራው መንገድ ነው፣ ከዚያም አጭሩ። እያንዳንዱ ትዕዛዝ ከlerobot 0.6.1 ነው፣ በኦገስት 3፣ 2026 የተለቀቀ እና በPyPI ላይ ወቅታዊ ነው። ወደ ኮንሶል መግቢያ ነጥቦች ተዛውሯል፣ ስለዚህ የሚሰሩ ትምህርቶች python lerobot/scripts/control_robot.py ከእንግዲህ የሌለ ፋይልን ይገልጻሉ።

የቀረጻ ክፍለ ጊዜ ምን ይይዛል

አንድ LeRobot ዳታ ስብስብ የቪዲዮዎች ማህደር ሳይሆን ጊዜ-መረጃ ያለው ቪዲዮ የተያያዘበት ሰንጠረዥ ነው፡ እያንዳንዱ የቁጥጥር-ዑደት ምት የታዘዘውን ተግባር፣ ተከታዩ የደረሰበትን ሁኔታ፣ ለእያንዳንዱ ካሜራ አንድ ፍሬም፣ የጊዜ ማህተም እና ኢንዴክሶችን የያዘ አንድ ረድፍ ይጽፋል። ፖሊሲው እነዚህን ዓምዶች ብቻ ነው የሚያየው። የlerobot/svla_so100_pickplace፣ ከ meta/info.json የተነበበ።

መገጣጠሚያዎቹ main_shoulder_pan, main_shoulder_lift, main_elbow_flex, main_wrist_flex, main_wrist_roll እና main_gripper ናቸው፡ የ SO-100 ስድስት የነጻነት ደረጃዎች። ተግባር እና ሁኔታ ቅርጽ የሚጋሩት መሪ-ተከታይ ቴሌኦፕሬሽን ኢላማን እና አንድ እርምጃ በኋላ የደረሰበትን ቦታ ስለሚመዘግብ ነው። ያ ክፍተት መረጃ ነው፡ ክንዱ ስበትን ወይም የተጣበቀ ነገርን የተዋጋበት። እነዚያ ሕብረቁምፊዎች የዚያ ዳታ ስብስብ ናቸው። ዛሬ በ0.6.1 የተመዘገበ ክፍለ ጊዜ shoulder_pan.pos እስከ gripper.pos ድረስ፣ በአውቶቡስ ላይ ከ1 እስከ 6 ያሉ መታወቂያዎችን ይጽፋል፡ ተመሳሳይ ስድስት መገጣጠሚያዎች፣ የተለያዩ ቁልፎች፣ ይህም አንድ ኮንፊግ ባህሪን በስም በሚጠራበት ጊዜ አስፈላጊ ይሆናል።

በስራ ቦታዎ ላይ የሚያስፈልጉዎት ነገሮች

ክንዱ ገና ካልተገነባ፣ ያ የተለየ ምሽት ነው፡ ከዚህ ይጀምሩ SO-100 መጀመርያ እና የSO-100 ሙሉ የማዋቀር መመሪያ። ምንም ነገር ካልገዙ፣ መጀመሪያ SO-100 ከSO-101 ጋር ንፅፅርን ያንብቡ፡ SO-101 የተሻሻለ ሽቦ እና የማርሽ ማስወገጃ ደረጃ የሌለው አዲስ ክለሳ ነው፣ እና የመቅጃው የስራ ፍሰት ተመሳሳይ ነው።

lerobot 0.6.1ን ይጫኑ

conda create -y -n lerobot python=3.12
conda activate lerobot

# TorchCodec is the default video decoder and needs ffmpeg
conda install ffmpeg -c conda-forge

# core_scripts = dataset + hardware + viz extras (record, replay, calibrate)
# feetech     = SDK for the STS3215 bus servos in the SO-100
pip install 'lerobot[core_scripts,feetech]'

lerobot-info

ተጨማሪዎች ሰዎችን በጣም ያደናግራሉ። pip install lerobot ዋና ዋና የML ጥገኞችን ብቻ ይጭናል፣ ከሮቦት ጋር የሚገናኝ ምንም ነገር የለም። የኮች ክንዶች dynamixel ፋንታ feetech ያስፈልጋቸዋል። የእርስዎ ሼል ስለ lerobot-record ሰምቶ የማያውቅ ከሆነ፣ ምክንያቱ ይህ ነው።

ፖርቶች፣ የሞተር መለያዎች እና ካሊብሬሽን

በክፍሎች እና በሚሰራ የቴሌኦፕ ሉፕ መካከል ሶስት የአንድ ጊዜ እርምጃዎች አሉ። በእጅዎ ላይ የሰለጠነ ፖሊሲ በሌላ ሰው ላይ እንዲሰራ ያደርጋል፣ ጥሬ ኢንኮደር ቆጠራዎችን ወደ የጋራ የመገጣጠሚያ ስምምነት ይለውጣል።

1. 1
   የእያንዳንዱን ክንድ የዩኤስቢ ፖርት ያግኙ

   ሁለቱንም ክንዶች ሰክተው ያሂዱት፣ ሲጠየቁ የሚለዩትን ይንቀሉ እና የትኛው ፖርት እንደጠፋ ያስተውሉ። በሊኑክስ ላይ sudo chmod 666 /dev/ttyACM0 ሊያስፈልግዎ ይችላል።

   bash

   lerobot-find-port
   # Finding all available ports for the MotorsBus.
   # Ports before disconnecting: ['/dev/ttyACM0', '/dev/ttyACM1']
   # Remove the USB cable from your MotorsBus and press Enter when done.
   # The port of this MotorsBus is '/dev/ttyACM1'
   # Reconnect the USB cable.

2. 2
   የሞተር መለያዎችን እና ባውድሬቶችን ይፃፉ

   መለያዎች አንድ ሞተር በአንድ ጊዜ ይፃፋሉ፣ እና ሰነዶቹ እንዴት እንደሆነ በጥብቅ ይገልጻሉ፡ በትክክል አንድ ሞተርን ከቁጥጥር ቦርዱ ጋር ያገናኙ፣ ገና ከሌላው ጋር ያልተገናኘ። ስክሪፕቱ ሰንሰለቱን ወደ ኋላ በመሄድ መጀመሪያ ግሪፐርን እንዲያስገቡ ይጠይቃል እና መለያ 6 ይሰጠዋል፣ ከዚያም wrist_rollን 5፣ እስከ shoulder_panን 1። ይህንን ከመገጣጠምዎ በፊት ያድርጉት።

   bash

   lerobot-setup-motors \
       --robot.type=so100_follower \
       --robot.port=/dev/ttyACM0
   
   lerobot-setup-motors \
       --teleop.type=so100_leader \
       --teleop.port=/dev/ttyACM1

3. 3
   ሁለቱንም ክንዶች ካሊብሬት ያድርጉ

   እያንዳንዱን መገጣጠሚያ ወደ ክልሉ መሃል ያንቀሳቅሱት፣ አስገባን ይጫኑ፣ ከዚያም እያንዳንዱን በሙሉ ክልሉ ውስጥ ያሽከርክሩት። id የመገለጫ ፋይል ስም ይሆናል።

   bash

   lerobot-calibrate \
       --robot.type=so100_follower \
       --robot.port=/dev/ttyACM0 \
       --robot.id=my_so100_follower
   
   lerobot-calibrate \
       --teleop.type=so100_leader \
       --teleop.port=/dev/ttyACM1 \
       --teleop.id=my_so100_leader

4. 4
   ምንም ነገር ከመቅዳትዎ በፊት ቴሌኦፕሬት ያድርጉ

   ከላይ ለተጠቀሱት ነገሮች ሁሉ የመቀበያ ሙከራ። ቴሌኦፕሬሽን የሚንቀጠቀጥ፣ የተገለበጠ፣ ወይም አንድ መገጣጠሚያ የማይከተል ከሆነ፣ ቀረጻ በ50 ክፍሎች ውስጥ ያንን ይጠብቃል።

   bash

   lerobot-teleoperate \
       --robot.type=so100_follower \
       --robot.port=/dev/ttyACM0 \
       --robot.id=my_so100_follower \
       --teleop.type=so100_leader \
       --teleop.port=/dev/ttyACM1 \
       --teleop.id=my_so100_leader \
       --display_data=true

ካሜራዎች ፖሊሲው የሚያየውን ይወስናሉ

lerobot-find-cameras opencv   # or: lerobot-find-cameras realsense

# --- Detected Cameras ---
# Camera #0:
#   Name: OpenCV Camera @ 0
#   Type: OpenCV
#   Id: 0
#   Backend api: AVFOUNDATION
#   Default stream profile:
#     Format: 16.0
#     Width: 1920
#     Height: 1080
#     Fps: 15.0

ሁለት እይታዎች፣ እና የት እንደሚቀመጡ አስፈላጊ ነው፡ የስራ ቦታውን የሚሸፍን ቋሚ የትዕይንት ካሜራ፣ እና የእጅ አንጓ ካሜራ ከየመጨረሻ-ተግባሪ አጠገብ ግሪፐሩ ሊነካው ያለውን ነገር የሚያሳይ። የLeRobot የማህበረሰብ-ዳታሴቶች ዝርዝር በተለይ ሁለት እይታዎችን በ480x640 / 720p ወይም የተሻለ፣ የማይንቀሳቀስ ዳራ፣ ገለልተኛ የተረጋጋ ብርሃን፣ እና የመሪው ክንድ እና የሰው እግሮች ከክፈፍ ውጪ እንዲሆኑ ይጠይቃል። የመቅጃ መመሪያው አጠቃላይ መመሪያውን ይጨምራል፡ ስራውን እራስዎ በካሜራ ምስሎች ብቻ በመመልከት ማከናወን መቻል አለብዎት።

የመቅጃ ትዕዛዙ እና እያንዳንዱ አማራጭ

HF_USER=$(NO_COLOR=1 hf auth whoami | awk -F': *' 'NR==1 {print $2}')

lerobot-record \
    --robot.type=so100_follower \
    --robot.port=/dev/ttyACM0 \
    --robot.id=my_so100_follower \
    --robot.cameras="{ top: {type: opencv, index_or_path: 0, width: 640, height: 480, fps: 30}, wrist: {type: opencv, index_or_path: 2, width: 640, height: 480, fps: 30}}" \
    --teleop.type=so100_leader \
    --teleop.port=/dev/ttyACM1 \
    --teleop.id=my_so100_leader \
    --display_data=true \
    --dataset.repo_id=${HF_USER}/so100_pick_cube \
    --dataset.single_task="Pick the red cube and drop it in the box" \
    --dataset.num_episodes=50 \
    --dataset.fps=30 \
    --dataset.episode_time_s=25 \
    --dataset.reset_time_s=10 \
    --dataset.streaming_encoding=true \
    --dataset.encoder_threads=2

ከታች ያሉት ነባሪዎች የመጡት src/lerobot/configs/dataset.py ከዋናው (main) ነው እንጂ ከትምህርት መመሪያ አይደለም። አንዳንዶቹ ሰዎች ከሚያስቡት የተለዩ ናቸው።

በክፍለ ጊዜ ውስጥ የቁልፍ ሰሌዳ ቁጥጥር

• የቀኝ ቀስት ወይም n: ክፍሉን ወይም ዳግም ማስጀመሪያውን ደረጃ ቀድመው ያጠናቅቁ። ይህ ቁልፍ በብዛት የሚጠቀሙበት ነው፣ ምክንያቱም ንጹህ መያዝ እምብዛም 25 ሰከንዶች ስለማይፈልግ።
• የግራ ቀስት ወይም r: ክፍሉን ይጣሉ እና እንደገና ያድርጉት። መጥፎ ሙከራ አሁን ምንም አያስከፍልም፣ በኋላ ግን ብዙ ያስከፍላል።
• Escape ወይም q: ክፍለ ጊዜውን ያቁሙ፣ ኢንኮዲንግ ይጨርሱ፣ ይስቀሉ።
• እነዚህ በX11፣ Wayland እና headless SSH ላይ ይሰራሉ፡ ምንም ዓለም አቀፍ የቁልፍ ባክኤንድ ከሌለ፣ lerobot-record ተመሳሳይ ቁልፎችን ከሚቆጣጠረው ተርሚናል ያነባል። ፊደሎቹ ቀርፋፋ የSSH ግንኙነቶችን ይቋቋማሉ፣ የቀስት ቅደም ተከተሎች በሚከፋፈሉበት ቦታ።
• የቁልፍ ሰሌዳ ቴሌኦፕሬሽን የተለየ ነው እና ዓለም አቀፍ ባክኤንድ ያስፈልገዋል፡ X11፣ Windows፣ ወይም macOS ከAccessibility ጋር።

ስንት ክፍሎች፣ እና ጥሩ ክፍል ምን እንደሚመስል

የመቅጃው መመሪያ ለመጀመሪያው ተግባር ቢያንስ 50 ክፍሎችን ይጠቁማል፣ በአንድ ነገር ቦታ 10 ያህል። የፖሊሲ ገጾች በአንድ ሞዴል ዝቅተኛውን ይዘረዝራሉ፣ ከዚህ በታች ያለው አሂድ የጂፒዩ ጊዜ ዋጋ የለውም።

የተሻለው ጥያቄ ስንት እና ምን ያህል ነው የሚለው ነው። Data Scaling Laws in Imitation Learning for Robotic Manipulation (ሊን እና ሌሎች፣ 2024) ከ40,000 በላይ ማሳያዎችን ሰብስበው ከ15,000 በላይ እውነተኛ ዓለም አሂዶችን አከናውነዋል። አጠቃላይነት ከቁጥር ጋር በግምት የኃይል-ህግ ግንኙነትን ተከትሏል environments and objects፣ እና በአንድ አካባቢ ወይም ነገር ከተወሰነ ገደብ በላይ፣ ተጨማሪ ማሳያዎች አነስተኛ ውጤት ነበራቸው። በአንድ ቤንች ላይ፡ አንድን ነገር ማንቀሳቀስ፣ መብራቱን መቀየር፣ ኩብ መቀየር፣ እንጂ አንድን ቀረጻ መድገም አይደለም።

ጥሩ ክፍል አሰልቺ ነው፡ ተደጋጋሚ የመነሻ አቀማመጥ፣ አንድ ነገር የተሰራ፣ እቃው በቆሻሻ መጣያ ውስጥ ከገባ በኋላ ያበቃ፣ የፍተሻ ዝርዝሩ በሚመክረው ከ25 እስከ 50 ቁምፊዎች ውስጥ ያለ የሥራ ሕብረቁምፊ። Pick the red cube and drop it in the box የሥራ ሕብረቁምፊ ነው፤ task1 የፍተሻ ዝርዝሩ በግልጽ የሰየመው የተሳሳተ አሠራር ነው። ግልጽ ያልሆኑ ማብራሪያዎች የችግሮቹን ዝርዝር ይመራሉ፣ እና እነሱ በጣም አስፈላጊ የሆኑት ለ የእይታ-ቋንቋ-ድርጊት ሞዴሎች፣ ሕብረቁምፊው የሞዴል ግብዓት እንጂ የፋይል ስም ያልሆነበት።

የውሂብ ስብስብን በጸጥታ የሚያበላሹ ጉድለቶች

አንዳቸውም ልዩ ሁኔታን አይጥሉም። ሁሉም ወደ ስልጠና ይተርፋሉ፣ ጥሩ የሚመስል የኪሳራ ኩርባ እና ምንም የማያደርግ ሮቦት ሆነው ይታያሉ። ትዕይንቱ ሲዘጋጅ ያረጋግጡ።

አንድ ማስጠንቀቂያ: የዥረት-ኢንኮዲንግ መመሪያ ሰንጠረዥ ነባሪውን እንደ True, ዋናው ላይ ያለው የዳታክላስ ግን streaming_encoding: bool = False. ሰነዶች እና ኮድ አይስማሙም፣ ስለዚህ በግልጽ ያዋቅሩት፤ ለሮቦት ባንዲራው ሲጠፋ በጀመረ ቁጥር የሚመክረውን ፍንጭ ይመዘግባል።

ጂፒዩ ከመከራየትዎ በፊት የውሂብ ስብስቡን ያረጋግጡ

ከሰነዶቹ የተገኘው የመቀበያ ሙከራ: የቪዲዮውን ቆይታ ከCLI ከዘገበው የትዕይንት ቆይታ ጋር ያወዳድሩ፣ እና የረድፎች ብዛት ከfps ጊዜ ቆይታ ጋር እኩል መሆኑን ያረጋግጡ። በእያንዳንዱ ትዕይንት እንጂ በጠቅላላው አይደለም።

from lerobot.datasets import LeRobotDataset

ds = LeRobotDataset("your-user/so100_pick_cube_20260823_141530")
print("fps:", ds.fps, "frames:", ds.num_frames)

# In v3.0 the per-episode records live in meta/episodes/ as chunked parquet:
# lengths, tasks and offsets into the shared parquet and mp4 shards.
# They load through the datasets stack, so this is a datasets.Dataset --
# use .column_names and integer indexing, not pandas .columns / .head().
eps = ds.meta.episodes
print(eps.column_names)
print(eps[0])

# Global feature statistics, including per-joint min and max.
# A joint whose min equals its max never moved. A joint sitting at a
# hard limit for most of the run is the one that will stall the policy.
print(ds.meta.stats["observation.state"])

ከዚያ ይመልከቱት። lerobot-dataset-viz በRerun ወይም Foxglove ውስጥ የካሜራ እይታዎች አጠገብ የመገጣጠሚያ ምልክቶችን (joint traces) በማሳየት አንድን ክፍል ፍሬም በፍሬም ይደግማል። የተቀያየሩ ካሜራዎች እና የቀዘቀዙ ፍሬሞች በአስር ሰከንዶች ውስጥ ይታያሉ። ሰዎች ይህንን ደረጃ ይዘላሉ።

# Replay one episode with camera views and joint traces
lerobot-dataset-viz \
    --repo-id your-user/so100_pick_cube_20260823_141530 \
    --episode-index 0

# Foxglove instead, for a seekable, scrubbable timeline
lerobot-dataset-viz \
    --repo-id your-user/so100_pick_cube_20260823_141530 \
    --episode-index 0 \
    --display-mode foxglove

# Drop the episodes that did not survive review
lerobot-edit-dataset \
    --repo_id your-user/so100_pick_cube_20260823_141530 \
    --new_repo_id your-user/so100_pick_cube_clean \
    --operation.type delete_episodes \
    --operation.episode_indices "[3, 17, 41]"

v2.1 ወይም v3.0: ከመቅረጽዎ በፊት ይወስኑ

v2.1 ለእያንዳንዱ ክፍል አንድ ፓርኬት እና አንድ MP4 ይጽፍ ነበር። v3.0 ብዙ ክፍሎችን ወደ ተጋሩ ሻርዶች ያዋህዳል እና ድንበሮችን ከሜታዳታ እንደገና ይገነባል፣ ስለዚህ info.json እንደ data/chunk-{chunk_index:03d}/file-{file_index:03d}.parquet ክፍል ቁጥር ከመያዝ ይልቅ የመንገድ አብነቶችን ይይዛል። የዚህ ዋናው ምክንያት ጥቂት፣ ትላልቅ ፋይሎች መኖራቸው ነው፡ ፈጣን ማስጀመሪያ እና በትልቅ ደረጃ አነስተኛ የፋይል ስርዓት ግፊት።

# Upgrade an older v2.1 dataset to v3.0
python -m lerobot.scripts.convert_dataset_v21_to_v30 \
    --repo-id=your-user/so100_pick_cube

# By default it pushes the converted dataset back to the hub and tags it v3.0.
# To convert a local copy and keep it off the hub:
python -m lerobot.scripts.convert_dataset_v21_to_v30 \
    --repo-id=your-user/so100_pick_cube \
    --root=/path/to/dataset/directory \
    --push-to-hub=false

ወደ አንድ አይነት የውሂብ ስብስብ የሚወስዱ ሁለት መንገዶች

ከውሂብ ስብስብ ወደ ፖሊሲ

ሃምሳ ንጹህ ክፍሎች እዚህ የሚሰራውን እያንዳንዱን ይመገባሉ። በእርስዎ ተግባር ላይ ብቻ ከባዶ ያሰለጥናል፣ በግምት 80 M መለኪያዎች በአንድ የድርጊት እርምጃ 20 ms ያህል፣ ከፈጣን እንቅስቃሴ ጋር ምቹ ከሆኑት አምስቱ ውስጥ ብቸኛው ነው። በ24 ጂቢ ካርድ ላይ ወደ 450 M መለኪያዎች አለው። ወደ 3 B መለኪያዎች ያለው መሰረታዊ ሞዴል ሲሆን ወደ 40 M መለኪያዎች ይነካል፣ A100 ወይም H100 ያስፈልገዋል፣ እና ያንን v2.1 የውሂብ ስብስብ ይፈልጋል።

በመቀጠል፣ ለጥምረትዎ መመሪያው፡ ፣ ወይም ፤ ለመጀመሪያ ጊዜ ለመስራት፣ አጭር ነው። ፖሊሲው በቤንች ላይ ሲሰራ ነገር ግን ጠረጴዛውን እንዳንቀሳቀሱት ሲበላሽ፣ ያ የውሂብ ችግር ነው፡ እና በልዩነት ላይ በጥልቀት ይሄዳሉ።