- [2026-05-30] : 支持lerobot0.5.2内置的10种模型与原版模型(lingbotvla, pi0, pi0fast, pi05, gr00tN1.7)
- [2026-06-13] : 新增离线推理、异步推理与RTC
| 特性 | 说明 |
|---|---|
| 📦 数据转换 | Rosbag → LeRobot Dataset v3 格式 |
| 🧠 lerobot集成 | 模仿学习（ACT、DPT、Multi-task DIT）+ VLA（PI0、PI0_FAST、PI0.5、GR00T N1.5、WALL-X、XVLA、SmolVLA） |
| 🔌 外部模型 | Pi0 / Pi0.5 / GR00T N1.7 / LingbotVla 等 |
| 🚀 仿真&真机 | Kuavo 仿真与真机部署评测流程 |
| 🦾 多平台支持 | Kuavo 4 Pro · Kuavo 5 · Kuavo 5W |
推荐环境：
- Ubuntu 20.04
- Python 3.12
- ROS Noetic
- 支持 CUDA 的 NVIDIA GPU（训练需要）
- Conda / Miniforge
- Docker 与 NVIDIA Container Toolkit（仿真或容器化 ROS 工作流需要）
1. 克隆仓库
git clone https://github.com/LejuRobotics/kuavo_learning_studio.git
cd kuavo_learning_studio2. 创建环境
conda create -n kls_dev python=3.12
conda activate kls_dev3. 一键安装依赖
source /opt/ros/noetic/setup.bash
chmod +x setup_env.sh
bash setup_env.sh📘 完整安装步骤见 安装指南
编辑 configs/data/KuavoRosbag2Lerobot.yaml：
rosbag:
mode: normal
rosbag_dir: /path/to/rosbags
target_dir: /path/to/output_parent
dataset:
platform_type: "4pro" # 4pro, 5, or 5w
eef_type: leju_claw # leju_claw, rq2f85, or qiangnao
which_arm: both # left, right, or both
task_description: "Pick and Place"python kuavo_data/CvtRosbag2Lerobot.py输出目录：
/path/to/output_parent/lerobot· 详情见 数据准备
编辑配置文件，例如 configs/train/lerobot/act.yaml：
dataset:
repo_id: "lerobot/your_dataset" # 标识名，可任意起
root: /path/to/your/lerobot # 本地 lerobot 数据集目录
training:
resume: false
output_dir: "outputs/train/act"
job_name: "act"
batch_size: 32
steps: 100000
save_freq: 20000
num_workers: 8
seed: 1000python kuavo_model/train.py --policy act📝 常用训练参数
| 参数 | 说明 |
|---|---|
--policy |
必填，支持：act diffusion pi0 pi0_fast pi05 gr00t smolvla xvla multi_task_dit wall_x |
--mode simple |
默认模式，先读 total/<policy>_total.yaml，再用 <policy>.yaml 覆盖常用字段 |
--mode total |
只读取完整配置 |
--launcher python |
默认，单机单卡 |
--launcher accelerate |
单机多卡，需先配置 configs/accelerate/accelerate_config.yaml |
--dry-run |
只打印解析后的命令和配置，不真正启动训练 |
--no-timestamp |
不为输出目录追加时间戳 |
📘 更多说明见 LeRobot 模型训练 · 原生模型训练
编辑 configs/deploy/deploy.yaml：
env:
inference_env: sim # sim=仿真, real=真机
platform_type: "4pro"
which_arm: both
eef_type: rq2f85
ros_rate: 10
inference:
policy_type: act # 策略名称
pretrained_path: /path/to/checkpoint # 权重路径
task_prompt: "robot manipulation" # VLA 策略需指定 promptpython kuavo_deploy/eval.py🔌 外部模型部署
外部模型位于 kuavo_model/external_models/，当前集成：
openpi·gr00tn1d7·lingbot-vla
均可通过 kuavo_server adapter 接入统一部署流程。使用外部模型时：
- 先启动模型服务器
- 在部署配置中设置
inference.policy_type: client
📘 详情见 推理与部署
.
├── configs/ # 数据、训练、部署、平台配置
│ ├── data/ # Rosbag -> LeRobot 数据转换配置
│ ├── train/lerobot/ # LeRobot simple/total 训练配置
│ ├── deploy/ # 仿真 / 真机部署配置
│ ├── platform/ # Kuavo 平台关节与机器人映射
│ └── accelerate/ # 多卡训练配置
├── kuavo_data/ # 数据转换与数据处理工具
├── kuavo_model/ # 训练入口与外部模型目录
├── kuavo_deploy/ # ROS 部署、评测、仿真/真机环境
├── kuavo_server/ # 标准化模型服务 adapter
├── third_party/ # LeRobot 等第三方子模块
├── lerobot_patches/ # 上游兼容补丁
└── outputs/ # 训练与评测输出
| 主题 | 文档 |
|---|---|
| 项目介绍 | 查看文档 |
| 安装指南 | 查看文档 |
| 快速开始 | 查看文档 |
| 数据准备 | 查看文档 |
| LeRobot 模型训练 | 查看文档 |
| 外挂模型训练 | 查看文档 |
| 推理与部署 | 查看文档 |
| 新策略拓展 | 查看文档 |
我们鼓励通过 GitHub 渠道反馈问题，使之可被搜索、归档，也方便后来者复用。
| 我想要... | 推荐渠道 |
|---|---|
| 报告 Bug 或运行时报错 | GitHub Issues（请附环境信息、复现步骤、完整 traceback） |
| 提交新功能建议 / 模型接入需求 | GitHub Issues |
| 国内用户交流群 | QQ 群 / 微信群入群方式见 社区交流 |
| 项目合作 / 企业级支持 | lejurobot@lejurobot.com |
提交 Issue 前请先：
响应预期： 本项目由乐聚机器人算法团队在工作时间维护。我们会尽力响应所有公开渠道的反馈，但不对修复时间作正式 SLA 承诺；如需企业级保障，请走商业合作邮箱。
乐聚内部成员：内部沟通渠道（外部用户可忽略）
内部沟通流程不公开维护在本仓库，请通过以下入口：
- KDC 用户群（飞书）：日常使用答疑
- 飞书表格：缺陷提报 / 意见反馈 填入飞书表格，将会按严重等级流转（严重缺陷 → 紧急修复；普通缺陷 → 算法部临时方案 + 正式版本修复；意见建议 → 评审后纳入计划）
- 飞书项目：如需新增全新的功能（如新模型接入）走正式需求流程
详细流程请见公司内部 Wiki。
本项目构建在以下开源项目和生态之上：
- LeRobot
- OpenPI
- NVIDIA Isaac GR00T
- Lingbot-VLA
- Kuavo 人形机器人软件生态
本仓库基于 GNU General Public License v3.0 开源。