Hugging Face发布了LeRobot，这是一款专为现实世界机器人应用开发的新机器学习模型。LeRobot作为一个综合性平台，提供了一个多功能库，涵盖了数据共享、可视化以及高级模型的训练等功能。

LeRobot旨在向PyTorch用户提供现实世界机器人所需的模型、数据集和工具。其目标在于降低机器人学的入门难度，使得每个人都能从中贡献并受益于数据集和预训练模型的共享。

Remi Cadene，这位曾在特斯拉担任科学家的专家，如今在Hugging Face工作，他在个人账号上表示：

“LeRobot对机器人学的重要性，就如同Transformers库在自然语言处理（NLP）领域中的关键地位。”

通过提供预训练模型和与物理模拟器的无缝对接，LeRobot极大地简化了项目的启动流程。最近，它在AlohaTransferCube环境中进行了评估，并与使用原始ACT库训练的类似模型进行了对比。来自500个片段的测试结果显示了其成功率，为我们提供了关于其性能的宝贵见解。

同时，LeRobot也在PushT环境中进行了评估，并与基于原始Diffusion Policy代码训练的模型进行了对比。此次评估同样包含了500个片段的成功指标，为我们全面了解了LeRobot在现实世界场景中的能力。

LeRobot致力于适应各种机器人硬件，无论是基础的教育用机械臂还是研究环境中复杂的人形机器人，它都旨在为任何类型的机器人提供一个可灵活适应的AI系统，从而提升机器人应用的灵活性和可扩展性。

LeRobot在GitHub上以开源项目的形式运作，旨在将力量和创新传递给更广泛的社区。Hugging Face表示，通过免费提供LeRobot，他们鼓励全球的开发者、研究人员和爱好者参与其中，共同推动AI机器人学的进步，并从中获益。

LeRobot的发布在AI和机器人学社区中引发了热烈的反响。社区成员在X上纷纷发帖欢呼：

“让机器人学的繁荣开始吧！”

而另一些人则兴奋地表示：

“这是机器人学爱好者的开源天堂！”

LeRobot提供的数据集覆盖了机器人学中的多种场景和任务。这些数据集涵盖了物体插入、传递、移动挑战以及各种物体操作的模拟环境。例如，有专注于人类指导动作和脚本化传递的aloha_sim_insertion_human_image和aloha_sim_transfer_cube_scripted_image数据集，也有涉及静态物体的aloha_static_battery和aloha_static_candy数据集。此外，还有与手臂运动和操作相关的数据集，如xarm_push_medium_replay_image和xarm_lift_medium_image。这些数据集是训练和测试现实世界机器人应用中AI模型的重要资源。

LeRobot在简化机器人开发方面的潜力及其致力于降低贡献者入门门槛的承诺，使其成为一项具有前景的资源。尽管在文档、硬件兼容性和性能方面仍有一些需要关注和改进的地方，但其前景仍然令人期待。