🤗 Cuadernos de LeRobot

Este repositorio contiene notebooks de ejemplo para usar LeRobot. Estos notebooks demuestran cómo entrenar políticas en conjuntos de datos reales o de simulación utilizando políticas estandarizadas.

Entrenamiento de ACT

ACT (Action Chunking Transformer) es una arquitectura de política basada en transformers para el aprendizaje por imitación que procesa estados del robot y entradas de cámara para generar secuencias de acciones suaves y segmentadas.

Proporcionamos un cuaderno de Google Colab listo para ejecutar que te ayudará a entrenar políticas ACT utilizando conjuntos de datos del Hugging Face Hub.

Notebook	Colab
Entrenar ACT con LeRobot

Tiempo de entrenamiento esperado para 100k pasos: ~1.5 horas en una GPU NVIDIA A100 con un tamaño de lote de 64.

Entrenamiento de SmolVLA

SmolVLA es un modelo de Visión-Lenguaje-Acción pequeño pero eficiente. Es compacto en tamaño, con 450 M de parámetros, y ha sido desarrollado por Hugging Face.

Ponemos a tu disposición un cuaderno de Google Colab listo para ejecutar que te ayudará a entrenar políticas de SmolVLA utilizando conjuntos de datos del Hugging Face Hub.

Notebook	Colab
Entrenar SmolVLA con LeRobot

Tiempo de entrenamiento esperado para 20k pasos: ~5 horas en una GPU NVIDIA A100 con un tamaño de lote de 64.