Instalasi

Panduan ini menggunakan conda (via miniforge) untuk mengelola lingkungan (disarankan). Jika Anda lebih memilih manajer lingkungan lain (misalnya uv, venv), pastikan Anda memiliki Python >=3.12 dan dukungan PyTorch >= 2.10, lalu lanjutkan ke Environment Setup.

Langkah 1 (hanya conda): Instal miniforge

wget "https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-$(uname)-$(uname -m).sh"
bash Miniforge3-$(uname)-$(uname -m).sh

Langkah 2: Pengaturan Lingkungan

Buat lingkungan virtual dengan Python 3.12:

conda create -y -n lerobot python=3.12

uv python install 3.12
uv venv --python 3.12

Lalu aktifkan lingkungan virtual Anda; Anda harus melakukan ini setiap kali membuka shell untuk menggunakan lerobot:

conda activate lerobot

# Linux/macOS
source .venv/bin/activate
# Windows PowerShell
.venv\Scripts\activate

Install ffmpeg (untuk decoding video)

LeRobot menggunakan TorchCodec untuk decoding video secara default, yang membutuhkan ffmpeg.

Dukungan platform: TorchCodec tidak tersedia di macOS Intel (x86_64), Linux ARM (aarch64, arm64, armv7l), atau Windows dengan PyTorch < 2.8. Di platform-platform ini, LeRobot secara otomatis beralih ke pyav — sehingga Anda tidak perlu menginstal ffmpeg dan dapat langsung melompat ke Langkah 3.

Jetson (aarch64 + CUDA): fallback pyav di atas berarti tidak ada dekoding video yang dipercepat GPU secara default. docker/Dockerfile.jetson membangun torch/torchcodec dari sumber dengan dukungan CUDA untuk JetPack 6.2 — dipelihara komunitas, lihat ravediamond/lerobot-jetson untuk image yang sudah dibangun dan isu #819 untuk latar belakang.

Jika platform Anda mendukung TorchCodec, instal ffmpeg menggunakan salah satu metode di bawah ini:

conda install ffmpeg -c conda-forge

# Ubuntu/Debian
sudo apt install ffmpeg

# macOS (Apple Silicon)
brew install ffmpeg

Langkah 3: Instal LeRobot 🤗

Instalasi lerobot dasar sengaja dibuat ringan — hanya mencakup dependensi ML inti (PyTorch, torchvision, numpy, opencv, einops, draccus, huggingface-hub, gymnasium, safetensors). Dependensi yang lebih berat diaktifkan melalui ekstra opsional sehingga Anda hanya menginstal apa yang Anda butuhkan.

Dari Sumber

Pertama, klon repositori dan masuk ke direktori:

git clone https://github.com/huggingface/lerobot.git
cd lerobot

Lalu, instal pustaka dalam mode dapat disunting. Ini berguna jika Anda berencana untuk berkontribusi pada kode.

pip install -e ".[core_scripts]"  # For robot workflows (recording, replaying, calibrate)
pip install -e ".[training]"      # For training policies
pip install -e ".[all]"           # Everything (all policies, envs, hardware, dev tools)

uv pip install -e ".[core_scripts]"  # For robot workflows (recording, replaying, calibrate)
uv pip install -e ".[training]"      # For training policies
uv pip install -e ".[all]"           # Everything (all policies, envs, hardware, dev tools)

Instalasi dari PyPI

Perpustakaan Inti: Instal paket dasar dengan:

pip install lerobot

uv pip install lerobot

Ini hanya menginstal dependensi inti ML. Anda perlu menambahkan ekstra untuk sebagian besar alur kerja.

Ekstra Fitur: LeRobot menyediakan ekstra yang berfokus pada fitur yang dipetakan ke alur kerja umum. Jika Anda menggunakan uv, ganti pip install dengan uv pip install pada perintah di bawah ini.

Composite Extras menggabungkan fitur tambahan untuk skrip CLI umum:

pip install 'lerobot[core_scripts]'          # Record, replay, calibrate
pip install 'lerobot[training]'              # Train policies
pip install 'lerobot[core_scripts,training]' # Record + train
pip install 'lerobot[all]'                   # Everything

Ekstra kebijakan, lingkungan, dan perangkat keras masih tersedia untuk dependensi tertentu:

pip install 'lerobot[pi]'             # Pi0/Pi0.5/Pi0-FAST policy deps
pip install 'lerobot[smolvla]'        # SmolVLA policy deps
pip install 'lerobot[diffusion]'      # Diffusion policy deps (diffusers)
pip install 'lerobot[aloha,pusht]'    # Simulation environments
pip install 'lerobot[feetech]'        # Feetech motor support

Beberapa extras dapat digabungkan (misalnya, .[core_scripts,pi,pusht]). Untuk daftar lengkap extras yang tersedia, lihat pyproject.toml.

Varian PyTorch CUDA (hanya Linux)

Pada Linux, jalur instalasi menentukan wheel CUDA yang Anda dapatkan. Instalasi pada macOS dan Windows menggunakan default PyPI (masing-masing wheel MPS / CPU / CUDA-Windows) dan dapat melewati bagian ini.

uv pip install --force-reinstall torch torchvision \
    --index-url https://download.pytorch.org/whl/cu126   # older drivers; or cu130 for Blackwell on driver ≥ 580

pip install --index-url https://download.pytorch.org/whl/cu128 torch torchvision
pip install -e ".[all]"          # source
# — or —
pip install lerobot              # from PyPI

uv pip install --torch-backend cu128 lerobot

Pemecahan Masalah

Jika Anda menemukan kesalahan build, Anda mungkin perlu menginstal dependensi sistem tambahan: cmake, build-essential, dan ffmpeg libs. Untuk menginstal ini di Linux, jalankan:

sudo apt-get install cmake build-essential python3-dev pkg-config libavformat-dev libavcodec-dev libavdevice-dev libavutil-dev libswscale-dev libswresample-dev libavfilter-dev

Untuk sistem lain, lihat: Compiling PyAV

Dependensi opsional

LeRobot menyediakan ekstra opsional untuk fungsionalitas tertentu. Beberapa ekstra dapat digabungkan (misalnya, .[aloha,feetech]). Untuk semua ekstra yang tersedia, lihat pyproject.toml. Jika Anda menggunakan uv, ganti pip install dengan uv pip install pada perintah di bawah ini.

Simulasi

Instal paket lingkungan: aloha (gym-aloha), pusht (gym-pusht), libero (hanya Linux) atau metaworld. Paket-paket ini secara otomatis menyertakan ekstra dataset.

pip install -e ".[aloha]" # or "[pusht]" for example

Kendali Motor

Install ekstensi untuk motor Anda: dynamixel untuk Koch v1.1, feetech untuk SO100/SO101/Moss. Keduanya berkomunikasi dengan motor melalui rustypot.

pip install -e ".[feetech]" # or "[dynamixel]" for example

Pelacakan Eksperimen

Trackio disertakan dalam ekstra training. Eksekusi lokal tidak memerlukan akun atau login: data disimpan dalam database SQLite lokal di bawah ~/.cache/huggingface/trackio. Buka dasbor dengan:

trackio show --project lerobot

Untuk menyinkronkan run ke Hugging Face Space (dibuat jika belum ada), jalankan hf auth login dan berikan --trackio.space_id=<user>/<space>. Remote jobs (--job.target) dengan tracking yang diaktifkan memerlukan space_id, karena database lokal pod hilang ketika job berakhir.

Privasi Space secara default adalah None: Space baru bersifat publik kecuali default organisasi adalah privat. Gunakan --trackio.private=true untuk membuat Space privat.

Setiap run mencatat perintah yang meluncurkannya dan output konsolnya (prints, logs, tracebacks), keduanya ditampilkan di halaman run pada dashboard. Pada Space, keduanya sama mudahnya dilihat dengan Space itu sendiri; gunakan --trackio.capture_console=false untuk menjaga agar output konsol tidak masuk ke dalam run.

Migrasi dari Weights & Biases

Langkah selanjutnya

• Punya robot? Rakit dan kalibrasi robot Anda dengan mengikuti halamannya di bawah Robots di bilah samping (misalnya SO-101), lalu rekam dataset dan latih kebijakan pertama Anda dengan tutorial pembelajaran imitasi.
• Belum punya perangkat keras? Latih dan evaluasi kebijakan dalam simulasi dengan LIBERO, atau coba Colab notebooks.
• Ingin berkontribusi? Baca panduan berkontribusi.
• Simpan lembar contekan di dekat Anda: lembar ini merangkum semua perintah LeRobot di satu tempat.