SO-ARM101机械臂接LeRobot：22章免费课程从模仿学习到VLA

LeRobot是什么：Hugging Face的机器人学习框架

LeRobot是Hugging Face开源的机器人学习框架，目标是让"教机器人干活"变得像训练NLP模型一样简单。它的核心思路是模仿学习：人通过Leader臂演示一遍任务，机械臂采集数据，然后训练一个ACT模型，最后让Follower臂自主执行。

SO-ARM101是LeRobot生态里最主流的硬件平台。Seeed Studio出的官方课程现在已经有22章，从最基础的硬件认识到最高级的VLA模型微调，全流程覆盖。关键是全部免费，而且配套了完整的代码和数据集。

课程结构：四个阶段由浅入深

课程第一阶段是基础概念和硬件准备（3章），介绍机器人学和Physical AI的基本概念，认识SO-ARM的硬件组成，了解后续章节需要准备的工具和环境。第二阶段是组装和舵机控制（4章），手把手带你组装机械臂、设置舵机ID、做零位校准、用调试工具验证。

第三阶段是模仿学习和LeRobot核心流程（10章），这是整个课程的重点。从标定、遥操作、数据集采集，到ACT模型的原理、训练、推理，再到双臂协同训练。走完这个阶段，你的机械臂就能学会"抓起积木放到碗里"这类简单任务。第四阶段是VLA和高级应用（5章），用NVIDIA Isaac GR00T做模型微调，或者用SenseCraft Robotics走无代码路线。

ACT模型训练：从50条数据到自主执行

ACT（Action Chunking with Transformers）是LeRobot默认使用的模仿学习算法。它的思路是把人的操作演示切成一段段"动作块"，用Transformer模型学习"看到什么画面 -> 执行什么动作"的映射关系。训练数据量不需要很多，一个简单的抓取任务大约50条演示就能训练出可用的策略。

数据采集时需要注意几个细节：每次演示从同一个起始位置开始；动作要平稳不要急停急转；只保留成功的演示；每批采集10-15条休息一下避免疲劳。整个采集过程大约20-30分钟。

硬件要求和部署建议

运行LeRobot需要Ubuntu 22.04或24.04系统，Python 3.10以上。训练ACT模型需要一张8GB以上显存的NVIDIA显卡。如果只是做数据采集和推理，普通笔记本就行，不需要GPU。

没有GPU的玩家可以用课程最后介绍的SenseCraft Robotics无代码VLA方案，在云端完成训练。也可以考虑用Google Colab的免费GPU来跑训练，不过传输数据集会比较慢。总体来说，SO-ARM101加LeRobot是目前入门机器人模仿学习门槛最低、资料最全的方案。