LeRobot documentation
NVIDIA IsaacLab Arena & LeRobot
NVIDIA IsaacLab Arena & LeRobot
LeRobot EnvHub artık IsaacLab Arena ile GPU hızlandırmalı simülasyonu destekliyor ve politika değerlendirmesini ölçekli olarak gerçekleştiriyor. Yüksek sadakatli simülasyonla imitasyon öğrenme politikalarını eğitin ve değerlendirin — tümü LeRobot ekosistemine entegre edilmiştir.
IsaacLab Arena, NVIDIA IsaacLab ile entegre edilerek şunları sağlar:
- 🤖 İnsansı gövde yapıları: GR1, G1, Galileo (çeşitli yapılandırmalarla)
- 🎯 Manipülasyon ve loco-manipülasyon görevleri: Kapı açma, al-koy, butona basma ve daha fazlası
- ⚡ GPU hızlandırmalı rollouts: NVIDIA GPU'larında paralel ortam çalıştırması
- 🖼️ RTX Rendering: Gerçekçi render, yansıma ve kırınım ile görü tabanlı politikaları değerlendirin
- 📦 LeRobot ile uyumlu veri kümeleri: GR00T N1x, PI0, SmolVLA, ACT ve Diffusion politikaları ile eğitim için hazır
- 🔄 EnvHub entegrasyonu: Ortamları HuggingFace EnvHub'dan tek satırla yükleyin
Kurulum
Ön koşullar
Donanım gereksinimleri Isaac Sim ile ortaktır ve Isaac Sim Gereksinimleri bölümünde ayrıntılı olarak açıklanmıştır.
- CUDA destekli NVIDIA GPU
- IsaacSim 5.1.0 ile uyumlu NVIDIA sürücüsü
- Linux (Ubuntu 22.04 / 24.04)
Kurulum
# 1. Create conda environment
conda create -y -n lerobot-arena python=3.11
conda activate lerobot-arena
conda install -y -c conda-forge ffmpeg=7.1.1
# 2. Install Isaac Sim 5.1.0
pip install "isaacsim[all,extscache]==5.1.0" --extra-index-url https://pypi.nvidia.com
# Accept NVIDIA EULA (required)
export ACCEPT_EULA=Y
export PRIVACY_CONSENT=Y
# 3. Install IsaacLab 2.3.0
git clone https://github.com/isaac-sim/IsaacLab.git
cd IsaacLab
git checkout v2.3.0
./isaaclab.sh -i
cd ..
# 4. Install IsaacLab Arena
git clone https://github.com/isaac-sim/IsaacLab-Arena.git
cd IsaacLab-Arena
git checkout release/0.1.1
pip install -e .
cd ..
# 5. Install LeRobot (evaluation extra for env/policy evaluation)
git clone https://github.com/huggingface/lerobot.git
cd lerobot
pip install -e ".[evaluation]"
# 6. Install additional dependencies
pip install onnxruntime==1.23.2 lightwheel-sdk==1.0.1 vuer[all]==0.0.70 qpsolvers==4.8.1
pip install numpy==1.26.0 # Isaac Sim 5.1 depends on numpy==1.26.0, this will be fixed in next releasePolitikaların Değerlendirilmesi
Önceden Eğitilmiş Politikalar
Aşağıdaki eğitimli politikalar kullanılabilir:
| Politika | Mimari | Görev | Bağlantı |
|---|---|---|---|
| pi05-arena-gr1-microwave | PI0.5 | GR1 Mikrodalga | HuggingFace |
| smolvla-arena-gr1-microwave | SmolVLA | GR1 Mikrodalga | HuggingFace |
SmolVLA'yı Değerlendirin
pip install -e ".[smolvla]"
pip install numpy==1.26.0 # revert numpy to version 1.26lerobot-eval \
--policy.path=nvidia/smolvla-arena-gr1-microwave \
--env.type=isaaclab_arena \
--env.hub_path=nvidia/isaaclab-arena-envs \
--rename_map='{"observation.images.robot_pov_cam_rgb": "observation.images.robot_pov_cam"}' \
--policy.device=cuda \
--env.environment=gr1_microwave \
--env.embodiment=gr1_pink \
--env.object=mustard_bottle \
--env.headless=false \
--env.enable_cameras=true \
--env.video=true \
--env.video_length=10 \
--env.video_interval=15 \
--env.state_keys=robot_joint_pos \
--env.camera_keys=robot_pov_cam_rgb \
--trust_remote_code=True \
--eval.batch_size=1PI0.5'i değerlendirin
pip install -e ".[pi]"
pip install numpy==1.26.0 # revert numpy to version 1.26PI0.5 requires disabling torch compile for evaluation:
TORCH_COMPILE_DISABLE=1 TORCHINDUCTOR_DISABLE=1 lerobot-eval \
--policy.path=nvidia/pi05-arena-gr1-microwave \
--env.type=isaaclab_arena \
--env.hub_path=nvidia/isaaclab-arena-envs \
--rename_map='{"observation.images.robot_pov_cam_rgb": "observation.images.robot_pov_cam"}' \
--policy.device=cuda \
--env.environment=gr1_microwave \
--env.embodiment=gr1_pink \
--env.object=mustard_bottle \
--env.headless=false \
--env.enable_cameras=true \
--env.video=true \
--env.video_length=15 \
--env.video_interval=15 \
--env.state_keys=robot_joint_pos \
--env.camera_keys=robot_pov_cam_rgb \
--trust_remote_code=True \
--eval.batch_size=1To change the number of parallel environments, use the ```--eval.batch_size``` flag.
Neler Beklenmeli
Değerlendirme sırasında, çalışan başarı oranını gösteren bir ilerleme çubuğu görürsünüz:
Stepping through eval batches: 8%|██████▍ | 4/50 [00:45<08:06, 10.58s/it, running_success_rate=25.0%]Video Kaydı
Değerlendirme sırasında video kaydını etkinleştirmek için komutunuza aşağıdaki bayrakları ekleyin:
--env.video=true \
--env.video_length=15 \
--env.video_interval=15Video kaydı hakkında daha fazla ayrıntı için IsaacLab Recording Documentation'a bakın.
When running headless with `--env.headless=true`, you must also enable cameras explicitly for camera enabled environments:--env.headless=true --env.enable_cameras=true
Çıktı Dizin
Değerlendirme videoları aşağıdaki yapıya sahip çıktı dizinine kaydedilir:
outputs/eval/<date>/<timestamp>_<env>_<policy>/videos/<task>_<env_id>/eval_episode_<n>.mp4Örneğin:
outputs/eval/2026-01-02/14-38-01_isaaclab_arena_smolvla/videos/gr1_microwave_0/eval_episode_0.mp4Eğitim Politikaları
LeRobot ile eğitim politikaları hakkında daha fazla bilgi edinmek için lütfen eğitim dokümantasyonuna başvurun:
Deneysel amaçlarla HuggingFace Hub üzerinde IsaacLab Arena örnek veri kümeleri mevcuttur:
| Veri seti | Açıklama | Kareler |
|---|---|---|
| Arena-GR1-Manipulation-Task | GR1 mikrodalga manipülasyonu | ~4K |
| Arena-G1-Loco-Manipulation-Task | G1 loco-manipülasyon | ~4K |
Ortam Yapılandırması
Tüm Yapılandırma Seçenekleri
from lerobot.envs.configs import IsaaclabArenaEnvConfig
config = IsaaclabArenaEnvConfig(
# Environment selection
environment="gr1_microwave", # Task environment
embodiment="gr1_pink", # Robot embodiment
object="power_drill", # Object to manipulate
# Simulation settings
episode_length=300, # Max steps per episode
headless=True, # Run without GUI
device="cuda:0", # GPU device
seed=42, # Random seed
# Observation configuration
state_keys="robot_joint_pos", # State observation keys (comma-separated)
camera_keys="robot_pov_cam_rgb", # Camera observation keys (comma-separated)
state_dim=54, # Expected state dimension
action_dim=36, # Expected action dimension
camera_height=512, # Camera image height
camera_width=512, # Camera image width
enable_cameras=True, # Enable camera observations
# Video recording
video=False, # Enable video recording
video_length=100, # Frames per video
video_interval=200, # Steps between recordings
# Advanced
mimic=False, # Enable mimic mode
teleop_device=None, # Teleoperation device
disable_fabric=False, # Disable fabric optimization
enable_pinocchio=True, # Enable Pinocchio for IK
)Gelişmiş kullanım için Environment Hub'ı doğrudan kullanma
test_env_load_arena.py adında bir dosya oluşturun veya EnvHub'dan indirin:
import logging
from dataclasses import asdict
from pprint import pformat
import torch
import tqdm
from lerobot.configs import parser
from lerobot.configs.eval import EvalPipelineConfig
@parser.wrap()
def main(cfg: EvalPipelineConfig):
"""Run random action rollout for IsaacLab Arena environment."""
logging.info(pformat(asdict(cfg)))
from lerobot.envs import make_env
env_dict = make_env(
cfg.env,
n_envs=cfg.env.num_envs,
trust_remote_code=True,
)
env = next(iter(env_dict.values()))[0]
env.reset()
for _ in tqdm.tqdm(range(cfg.env.episode_length)):
with torch.inference_mode():
actions = env.action_space.sample()
obs, rewards, terminated, truncated, info = env.step(actions)
if terminated.any() or truncated.any():
obs, info = env.reset()
env.close()
if __name__ == "__main__":
main()Şu komutla çalıştırın:
python test_env_load_arena.py \
--env.environment=g1_locomanip_pnp \
--env.embodiment=gr1_pink \
--env.object=cracker_box \
--env.num_envs=4 \
--env.enable_cameras=true \
--env.seed=1000 \
--env.video=true \
--env.video_length=10 \
--env.video_interval=15 \
--env.headless=false \
--env.hub_path=nvidia/isaaclab-arena-envs \
--env.type=isaaclab_arenaYeni Ortamlar Oluşturma
Önce IsaacLab Arena Belgesel’ini takip ederek yeni bir IsaacLab Arena ortamı oluşturun.
EnvHub deposamızı klonlayın:
git clone https://huggingface.co/nvidia/isaaclab-arena-envsYeni ortamınıza göre example_envs.yaml dosyasını değiştirin. Değiştirilen repoyu Yükleyin HuggingFace EnvHub'a.
Your IsaacLab Arena environment code must be locally available during evaluation. Users can clone your environment repository separately, or you can bundle the environment code and assets directly in your EnvHub repo.
Ardından, değerlendirme sırasında yeni ortamınızı kullanın:
lerobot-eval \
--env.hub_path=<your-env-hub-path>/isaaclab-arena-envs \
--env.environment=<your new environment> \
...other flags...Katkılarınızı sabırsızlıkla bekliyoruz!
Sorun Giderme
CUDA bellek yetersiz
batch_size değerini azaltın veya daha fazla VRAM'e sahip bir GPU kullanın:
--eval.batch_size=1
EULA kabul edilmedi
Çalıştırmadan önce ortam değişkenlerini ayarlayın:
export ACCEPT_EULA=Y
export PRIVACY_CONSENT=YVideo kaydı çalışmıyor
Başsız çalışırken kameraları etkinleştirin:
--env.video=true --env.enable_cameras=true --env.headless=truePolicy çıktı boyutu uyumsuzluğu
action_dim'in politikanızla eşleştiğinden emin olun:
--env.action_dim=36
Isaac Sim başlatma sırasında libGLU.so.1 Hataları
Aşağıdaki bağımlılıkların yüklendiğinden emin olun, bu durum genellikle headless makinelerde görülür.
sudo apt update && sudo apt install -y libglu1-mesa libxt6Bkz.
- EnvHub Belgeleme - Genel EnvHub kullanımı
- IsaacLab Arena GitHub
- IsaacLab Belgeleme
Lightwheel LW-BenchHub
Lightwheel, LeRobot ekosistemine 268 görev içeren Lightwheel-Libero-Tasks ve Lightwheel-RoboCasa-Tasks paketlerini getiriyor.
LW-BenchHub, teleoperasyon yoluyla LeRobot spesifikasyonuna uygun büyük ölçekli veri setlerini toplar ve üretir; bu sayede kutudan çıktığı gibi eğitim ve değerlendirme iş akışlarını mümkün kılar.
EnvHub tarafından sağlanan birleşik arayüz sayesinde geliştiriciler, uçtan uca deneysel boru hatlarını hızla oluşturabilir.
Yükle
Kurulum adımlarını izlediğinizi varsayarsak, LW-BenchHub'ı şu şekilde kurabilirsiniz:
conda install pinocchio -c conda-forge -y
pip install numpy==1.26.0 # revert numpy to version 1.26
sudo apt-get install git-lfs && git lfs install
git clone https://github.com/LightwheelAI/lw_benchhub
cd lw_benchhub
git lfs pull # Ensure LFS files (e.g., .usd assets) are downloaded
pip install -e .Daha ayrıntılı talimatlar için lütfen LW-BenchHub Belgesine başvurun.
Lightwheel Görevler Veri Seti
LW-BenchHub veri kümeleri HuggingFace Hub'da mevcuttur:
| Veri seti | Açıklama | Görevler | Kareler |
|---|---|---|---|
| Lightwheel-Tasks-X7S | X7S LIBERO ve RoboCasa | 117 | ~10.3M |
| Lightwheel-Tasks-Double-Piper | Double-Piper LIBERO | 130 | ~6.0M |
| Lightwheel-Tasks-G1-Controller | G1-Controller LIBERO | 62 | ~2.7M |
| Lightwheel-Tasks-G1-WBC | G1-WBC RoboCasa | 32 | ~1.5M |
Eğitim politikaları için Eğitim Politikaları bölümüne bakın.
Politikaların Değerlendirilmesi
Önceden Eğitilmiş Politikalar
Aşağıdaki eğitimli politikalar kullanılabilir:
| Politika | Mimari | Görev | Düzen | Robot | Bağlantı |
|---|---|---|---|---|---|
| smolvla-double-piper-pnp | SmolVLA | L90K1PutTheBlackBowlOnThePlate | libero-1-1 | DoublePiper-Abs | HuggingFace |
SmolVLA'yı Değerlendirin
lerobot-eval \
--policy.path=LightwheelAI/smolvla-double-piper-pnp \
--env.type=isaaclab_arena \
--rename_map='{"observation.images.left_hand_camera_rgb": "observation.images.left_hand", "observation.images.right_hand_camera_rgb": "observation.images.right_hand", "observation.images.first_person_camera_rgb": "observation.images.first_person"}' \
--env.hub_path=LightwheelAI/lw_benchhub_env \
--env.kwargs='{"config_path": "configs/envhub/example.yml"}' \
--trust_remote_code=true \
--env.state_keys=joint_pos \
--env.action_dim=12 \
--env.camera_keys=left_hand_camera_rgb,right_hand_camera_rgb,first_person_camera_rgb \
--policy.device=cuda \
--eval.batch_size=10 \
--eval.n_episodes=100Ortam Yapılandırması
Değerlendirme, yapılandırma dosyasındaki robot, task ve layout ayarlarını değiştirerek hızla başlatılabilir.
Tüm Yapılandırma Seçenekleri
# =========================
# Basic Settings
# =========================
disable_fabric: false
device: cuda:0
sensitivity: 1.0
step_hz: 50
enable_cameras: true
execute_mode: eval
episode_length_s: 20.0 # Episode length in seconds, increase if episodes timeout during eval
# =========================
# Robot Settings
# =========================
robot: DoublePiper-Abs # Robot type, DoublePiper-Abs, X7S-Abs, G1-Controller or G1-Controller-DecoupledWBC
robot_scale: 1.0
# =========================
# Task & Scene Settings
# =========================
task: L90K1PutTheBlackBowlOnThePlate # Task name
scene_backend: robocasa
task_backend: robocasa
debug_assets: null
layout: libero-1-1 # Layout and style ID
sources:
- objaverse
- lightwheel
- aigen_objs
object_projects: []
usd_simplify: false
seed: 42
# =========================
# Object Placement Retry Settings
# =========================
max_scene_retry: 4
max_object_placement_retry: 3
resample_objects_placement_on_reset: true
resample_robot_placement_on_reset: true
# =========================
# Replay Configuration Settings
# =========================
replay_cfgs:
add_camera_to_observation: true
render_resolution: [640, 480]