Ubuntu 和 macOS 都能一次装好 LeRobot怎么做6 步跨平台部署实战【免费下载链接】lerobot LeRobot: Making AI for Robotics more accessible with end-to-end learning项目地址: https://gitcode.com/GitHub_Trending/le/lerobotLeRobot 是基于 PyTorch 的端到端机器人学习框架覆盖数据采集、策略训练到机器人控制。从一台裸的 Ubuntu 或 macOS 机器到 LeRobot 跨平台部署跑通只需要 6 步跟着走就能得到一台能训练策略、能接硬件的机器。一、先把根因拆了两个系统的差异到底在哪在 Ubuntu 和 macOS 上做 LeRobot 部署报错经常长得完全不一样因为底层差了三件事。第一件是系统库栈。视频解码两端都依赖系统里的 ffmpeg但 Ubuntu 走 aptmacOS 走 Homebrew装法和库路径都不一样。第二件是 C 工具链Ubuntu 用 build-essential 拿到 gcc 套件macOS 依赖 Xcode Command Line Tools 里的 clang。凡是 C 扩展包比如 PyAV编译失败根子基本都在这。第三件是硬件驱动的 wheel 分发。最典型的是 RealSense 相机官方 SDK 按平台发不同的 wheelLinux 装 pyrealsense2macOS 装 pyrealsense2-macosx。这个差异 pyproject.toml 里已经用平台标记处理好了会自动选对轮子你只管装一次。还有一个高频误区以为 Python 3.10 够用。项目现在要求 ≥3.12照着老教程建 3.10 环境装的时候依赖解析直接失败。依赖类型Ubuntu 做法macOS 做法一句话原因Python 版本conda 环境 3.12conda 环境 3.12项目硬性要求 ≥3.12ffmpegconda-forge 或 aptconda-forge 或 brewtorchcodec 两端都链接系统 ffmpeg编译工具链cmake build-essentialXcode CLT brew cmakegcc 与 clang 是两套工具链RealSense 驱动pyrealsense2pyrealsense2-macosx官方按平台分发独立 wheelPyAV 兜底apt 装 libav* 开发库brew 装 ffmpeg仅无 torchcodec wheel 的平台回退使用二、一条主线走通从裸机到能 import 下面是单条主线两个系统只在括号里注明差异不用来回翻。[!TIP] 每开一个新终端先conda activate lerobot。忘了激活环境是明明装好了却报 ImportError的第一大来源。2.1 环境体检先确认两个数字目的动手前确认宿主机的 Python 版本和 ffmpeg 是否已就位避免装到一半返工。跑体检命令python --version # 期望 3.12 及以上若是 3.10 需先升级 ffmpeg -version # 报错说明没装下一步会补上看到版本号就算通过。ffmpeg 暂时没有没关系2.3 会处理。2.2 建隔离环境别污染系统 Python目的把 LeRobot 关进独立环境防止它和系统里其他项目抢 torch、numpy 版本。创建并激活用 uv 的同学换成uv venv --python 3.12后面命令把 pip 换成uv pip即可conda create -y -n lerobot python3.12 conda activate lerobot conda install ffmpeg -c conda-forge # 或 aptUbuntu/ brewmacOS装 ffmpeg提示符前出现(lerobot)就说明环境生效了。conda-forge 的 ffmpeg 连编码器都齐全省掉系统库路径的麻烦。2.3 系统依赖编译工具链一次装齐目的把 torchcodec 不可用时回退到 PyAV 的编译场景也覆盖掉不让系统库卡住安装。Ubuntu 一条 apt 命令全装齐macOS 对应brew install cmake pkg-config ffmpeg另需 Xcode CLTsudo apt-get install cmake build-essential python3-dev pkg-config \ libavformat-dev libavcodec-dev libavdevice-dev libavutil-dev \ libswscale-dev libswresample-dev libavfilter-devapt 提示安装完成、无报错即成功macOS 侧brew install结束且ffmpeg -version有输出就算过。2.4 editable 模式装项目目的代码直接指向源码树改完不用重装同时把核心依赖解析落盘。克隆并按工作流选 extras 安装两个系统命令完全相同git clone https://gitcode.com/GitHub_Trending/le/lerobot cd lerobot pip install -e .[core_scripts,training] # 采集训练想全量用 .[all]结尾看到Successfully installed lerobot-0.6.2说明这一步成了。2.5 首次运行确认 CLI 与版本目的验证入口点注册正常、版本号正确为后面的训练和采集打底。跑通确认python -c import lerobot; print(lerobot.__version__) # 期望 0.6.2 lerobot-find-port # 无硬件也能执行确认 CLI 可用看到版本号 0.6.2 输出主线就走完了。三、提速与按需裁剪3 个真正有用的招3.1 并行编译场景.[all]会构建一批 C 扩展默认单核跑很慢。export MAKEFLAGS-j$(nproc) pip install -e .[all]效果编译耗时随核心数明显下降大 extras 尤其实感。3.2 extras 按需装场景只训练策略、不碰硬件却装了 hardware 全家桶。一条pip install -e .[training]替代.[all]。效果依赖树小一圈版本冲突面同步缩小。3.3 缓存复用场景反复重建环境或重装同一个 wheel 被重复下载、重复编译。pip install --cache-dir ~/.pipcache -e .[training]效果第二次安装起跳过下载与构建几分钟变几十秒。四、硬件对接4.1 电机两套 SDK 覆盖主流舵机按品牌装一行 extras对应实现在 src/lerobot/motors/pip install -e .[feetech] # SO100/SO101 等 Feetech 舵机 pip install -e .[dynamixel] # Koch 等 Dynamixel 舵机4.2 相机RealSense 深度相机一个 extraswheel 按平台自动切换抽象层在 src/lerobot/cameras/pip install -e .[intelrealsense] # macOS 上自动落到 pyrealsense2-macosx装完插上设备跑lerobot-find-cameras和lerobot-find-port确认枚举到了再进下一步。五、排错速查numpy 与 torch 版本冲突→ 根因是环境里残留旧版 numpypip install numpy2.0,2.3拉回项目区间。PyAV 编译失败→ 根因是 Ubuntu 缺 libav* 开发库按 2.3 那条 apt 命令补装macOS 执行brew install ffmpeg。改了配置 CMake 不生效→ 根因是构建目录缓存脏了删掉build/与CMakeCache.txt后重新cmake .。电机/相机枚举不到→ 重新插拔设备跑lerobot-find-cameras看输出端口识别不到多半是权限问题。六、验证与收尾两条命令收尾python -c import lerobot; print(lerobot.__version__) # 期望 0.6.2 lerobot-info # 看 CUDA 支持行看到版本 0.6.2 说明基础功能就位有 NVIDIA 显卡的话lerobot-info会打印 CUDA 版本和 GPU 型号后续训练日志里也能看到 CUDA 加速信息。LeRobot 的跨平台支持还在持续迭代Windows 目前是实验性支持社区也在压缩首次配置时间、推进一键安装脚本。遇到本文没覆盖的问题直接去项目 Issue 系统反馈或按 CONTRIBUTING.md 参与贡献。【免费下载链接】lerobot LeRobot: Making AI for Robotics more accessible with end-to-end learning项目地址: https://gitcode.com/GitHub_Trending/le/lerobot创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Ubuntu 和 macOS 都能一次装好 LeRobot，怎么做？6 步跨平台部署实战
Ubuntu 和 macOS 都能一次装好 LeRobot怎么做6 步跨平台部署实战【免费下载链接】lerobot LeRobot: Making AI for Robotics more accessible with end-to-end learning项目地址: https://gitcode.com/GitHub_Trending/le/lerobotLeRobot 是基于 PyTorch 的端到端机器人学习框架覆盖数据采集、策略训练到机器人控制。从一台裸的 Ubuntu 或 macOS 机器到 LeRobot 跨平台部署跑通只需要 6 步跟着走就能得到一台能训练策略、能接硬件的机器。一、先把根因拆了两个系统的差异到底在哪在 Ubuntu 和 macOS 上做 LeRobot 部署报错经常长得完全不一样因为底层差了三件事。第一件是系统库栈。视频解码两端都依赖系统里的 ffmpeg但 Ubuntu 走 aptmacOS 走 Homebrew装法和库路径都不一样。第二件是 C 工具链Ubuntu 用 build-essential 拿到 gcc 套件macOS 依赖 Xcode Command Line Tools 里的 clang。凡是 C 扩展包比如 PyAV编译失败根子基本都在这。第三件是硬件驱动的 wheel 分发。最典型的是 RealSense 相机官方 SDK 按平台发不同的 wheelLinux 装 pyrealsense2macOS 装 pyrealsense2-macosx。这个差异 pyproject.toml 里已经用平台标记处理好了会自动选对轮子你只管装一次。还有一个高频误区以为 Python 3.10 够用。项目现在要求 ≥3.12照着老教程建 3.10 环境装的时候依赖解析直接失败。依赖类型Ubuntu 做法macOS 做法一句话原因Python 版本conda 环境 3.12conda 环境 3.12项目硬性要求 ≥3.12ffmpegconda-forge 或 aptconda-forge 或 brewtorchcodec 两端都链接系统 ffmpeg编译工具链cmake build-essentialXcode CLT brew cmakegcc 与 clang 是两套工具链RealSense 驱动pyrealsense2pyrealsense2-macosx官方按平台分发独立 wheelPyAV 兜底apt 装 libav* 开发库brew 装 ffmpeg仅无 torchcodec wheel 的平台回退使用二、一条主线走通从裸机到能 import 下面是单条主线两个系统只在括号里注明差异不用来回翻。[!TIP] 每开一个新终端先conda activate lerobot。忘了激活环境是明明装好了却报 ImportError的第一大来源。2.1 环境体检先确认两个数字目的动手前确认宿主机的 Python 版本和 ffmpeg 是否已就位避免装到一半返工。跑体检命令python --version # 期望 3.12 及以上若是 3.10 需先升级 ffmpeg -version # 报错说明没装下一步会补上看到版本号就算通过。ffmpeg 暂时没有没关系2.3 会处理。2.2 建隔离环境别污染系统 Python目的把 LeRobot 关进独立环境防止它和系统里其他项目抢 torch、numpy 版本。创建并激活用 uv 的同学换成uv venv --python 3.12后面命令把 pip 换成uv pip即可conda create -y -n lerobot python3.12 conda activate lerobot conda install ffmpeg -c conda-forge # 或 aptUbuntu/ brewmacOS装 ffmpeg提示符前出现(lerobot)就说明环境生效了。conda-forge 的 ffmpeg 连编码器都齐全省掉系统库路径的麻烦。2.3 系统依赖编译工具链一次装齐目的把 torchcodec 不可用时回退到 PyAV 的编译场景也覆盖掉不让系统库卡住安装。Ubuntu 一条 apt 命令全装齐macOS 对应brew install cmake pkg-config ffmpeg另需 Xcode CLTsudo apt-get install cmake build-essential python3-dev pkg-config \ libavformat-dev libavcodec-dev libavdevice-dev libavutil-dev \ libswscale-dev libswresample-dev libavfilter-devapt 提示安装完成、无报错即成功macOS 侧brew install结束且ffmpeg -version有输出就算过。2.4 editable 模式装项目目的代码直接指向源码树改完不用重装同时把核心依赖解析落盘。克隆并按工作流选 extras 安装两个系统命令完全相同git clone https://gitcode.com/GitHub_Trending/le/lerobot cd lerobot pip install -e .[core_scripts,training] # 采集训练想全量用 .[all]结尾看到Successfully installed lerobot-0.6.2说明这一步成了。2.5 首次运行确认 CLI 与版本目的验证入口点注册正常、版本号正确为后面的训练和采集打底。跑通确认python -c import lerobot; print(lerobot.__version__) # 期望 0.6.2 lerobot-find-port # 无硬件也能执行确认 CLI 可用看到版本号 0.6.2 输出主线就走完了。三、提速与按需裁剪3 个真正有用的招3.1 并行编译场景.[all]会构建一批 C 扩展默认单核跑很慢。export MAKEFLAGS-j$(nproc) pip install -e .[all]效果编译耗时随核心数明显下降大 extras 尤其实感。3.2 extras 按需装场景只训练策略、不碰硬件却装了 hardware 全家桶。一条pip install -e .[training]替代.[all]。效果依赖树小一圈版本冲突面同步缩小。3.3 缓存复用场景反复重建环境或重装同一个 wheel 被重复下载、重复编译。pip install --cache-dir ~/.pipcache -e .[training]效果第二次安装起跳过下载与构建几分钟变几十秒。四、硬件对接4.1 电机两套 SDK 覆盖主流舵机按品牌装一行 extras对应实现在 src/lerobot/motors/pip install -e .[feetech] # SO100/SO101 等 Feetech 舵机 pip install -e .[dynamixel] # Koch 等 Dynamixel 舵机4.2 相机RealSense 深度相机一个 extraswheel 按平台自动切换抽象层在 src/lerobot/cameras/pip install -e .[intelrealsense] # macOS 上自动落到 pyrealsense2-macosx装完插上设备跑lerobot-find-cameras和lerobot-find-port确认枚举到了再进下一步。五、排错速查numpy 与 torch 版本冲突→ 根因是环境里残留旧版 numpypip install numpy2.0,2.3拉回项目区间。PyAV 编译失败→ 根因是 Ubuntu 缺 libav* 开发库按 2.3 那条 apt 命令补装macOS 执行brew install ffmpeg。改了配置 CMake 不生效→ 根因是构建目录缓存脏了删掉build/与CMakeCache.txt后重新cmake .。电机/相机枚举不到→ 重新插拔设备跑lerobot-find-cameras看输出端口识别不到多半是权限问题。六、验证与收尾两条命令收尾python -c import lerobot; print(lerobot.__version__) # 期望 0.6.2 lerobot-info # 看 CUDA 支持行看到版本 0.6.2 说明基础功能就位有 NVIDIA 显卡的话lerobot-info会打印 CUDA 版本和 GPU 型号后续训练日志里也能看到 CUDA 加速信息。LeRobot 的跨平台支持还在持续迭代Windows 目前是实验性支持社区也在压缩首次配置时间、推进一键安装脚本。遇到本文没覆盖的问题直接去项目 Issue 系统反馈或按 CONTRIBUTING.md 参与贡献。【免费下载链接】lerobot LeRobot: Making AI for Robotics more accessible with end-to-end learning项目地址: https://gitcode.com/GitHub_Trending/le/lerobot创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考