2025年，Hugging Face推出LeRobot开源项目，旨在通过提供先进的AI模型、数据集和工具，彻底降低机器人开发门槛。由前特斯拉Optimus研究员雷米·卡代内（Remi Cadene）领导，LeRobot自2024年5月首次发布以来，已成为全球最广泛使用的开源机器人软件平台。其核心目标是让开发者、研究者和爱好者都能轻松构建AI驱动的机器人，覆盖从仿真到现实世界的广泛应用场景。LeRobot不仅提供预训练模型和数据集，还通过Hugging Face Hub支持社区协作，堪称“机器人领域的Transformers”。
核心亮点：端到端学习与社区驱动
LeRobot以PyTorch为核心，专注于模仿学习（Imitation Learning）和强化学习（Reinforcement Learning），提供以下关键功能：
- 预训练模型：包括ACT、Diffusion Policy、Pi0和SmolVLA等模型，支持从物体抓取到导航等任务。例如，Pi0-FAST模型通过FAST（Frequency-space Action Sequence Tokenization）技术，训练速度比传统扩散模型快5倍。
- LeRobotDataset格式：支持高效存储和访问多模态数据（如视频、传感器数据），可从Hugging Face Hub无缝下载或上传。例如，开发者可通过dataset = LeRobotDataset(“lerobot/aloha_static_coffee”)加载数据集，轻松获取视频流、机器人状态和动作数据。
- 仿真与硬件支持：提供PushT、Aloha等仿真环境，同时支持低成本硬件如SO-100机械臂（约100美元）和Reachy 2人形机器人（7万美元）。
- 社区贡献：LeRobot整合了全球社区数据集，如Learning to Drive（L2D），包含超过1PB的自动驾驶数据，支持端到端空间智能训练。
其开源特性（Apache 2.0许可证）允许开发者自由定制和部署，显著降低了机器人AI开发的成本和复杂性。
技术突破：从仿真到现实的桥梁
LeRobot通过与NVIDIA的合作，结合NVIDIA AI、Omniverse和Isaac Lab，加速了数据收集、训练和验证流程。例如，开发者可通过Isaac Lab进行遥控操作和仿真数据生成，训练后在NVIDIA Jetson Orin Nano上实现实时推理。此外，LeRobot的SmolVLA模型（450M参数）在社区数据集上预训练，性能超越更大规模的专有模型，在LIBERO和SO100等任务中表现出色，推理速度提升30%，任务吞吐量翻倍。X平台用户反馈称，SmolVLA在实时响应和任务多样性上表现优异，中文测试得分达90.2，接近DeepSeek-V3。
硬件开源：SO-100与Reachy Mini
2025年，Hugging Face通过收购Pollen Robotics，进一步扩展硬件开源版图，推出两款开源机器人设计：
- SO-100机械臂：与The Robot Studio合作开发，成本仅约100美元，支持3D打印和DIY组装，适合教育和研究。
- Reachy Mini：一款乌龟状机器人，配备可伸缩颈部，成本约250美元，适合桌面AI实验。
这些设计结合LeRobot软件，允许用户从零开始构建AI机器人。Hugging Face还计划推出Moss v1，一款无需3D打印、成本仅150美元的双臂机器人，进一步降低硬件门槛。
行业影响：机器人AI的“ImageNet时刻”
LeRobot的发布被视为机器人领域的“ImageNet时刻”，通过社区驱动的数据共享解决数据孤岛问题。其数据集涵盖多种机器人类型（如机械臂、自动驾驶车辆）和任务（如物体操作、导航），推动通用机器人政策的开发。2025年3月，LeRobot与Yaak合作发布L2D数据集，包含德国驾校的传感器数据，助力端到端自动驾驶模型开发。社区贡献的多样性数据（如lirislab/close_top_drawer_teabox）进一步提升了模型的泛化能力。Hugging Face首席科学家Thomas Wolf表示：“机器人将是AI的下一前沿，开放和可负担是关键。”
未来展望：构建通用机器人智能
LeRobot的愿景是打造开源的机器人基础模型，类似人类的通用智能。2025年，Hugging Face计划通过与NVIDIA、Yaak等伙伴的合作，扩展实时机器人政策，支持多形态机器人和复杂任务。夏季将启动L2D模型的闭环测试，验证自动驾驶能力。此外，LeRobot社区在YouTube和Discord上蓬勃发展，GitHub仓库星标数从2024年的0增长至1.2万，显示出强大的社区动能。未来，LeRobot将继续推动数据共享和模型迭代，助力机器人AI从实验室走向千家万户。
