論文の概要: LeRobot: An Open-Source Library for End-to-End Robot Learning
- arxiv url: http://arxiv.org/abs/2602.22818v1
- Date: Thu, 26 Feb 2026 09:59:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:41.731844
- Title: LeRobot: An Open-Source Library for End-to-End Robot Learning
- Title（参考訳）: LeRobot: エンドツーエンドのロボット学習のためのオープンソースライブラリ
- Authors: Remi Cadene, Simon Aliberts, Francesco Capuano, Michel Aractingi, Adil Zouitine, Pepijn Kooijmans, Jade Choghari, Martino Russi, Caroline Pascal, Steven Palma, Mustafa Shukor, Jess Moss, Alexander Soare, Dana Aubakirova, Quentin Lhoest, Quentin Gallouédec, Thomas Wolf,
- Abstract要約: textttlerobotは、ロボット学習スタック全体を統合するオープンソースのライブラリである。
様々な最先端のロボット学習アルゴリズムの効率的な実装と、一般化された非同期推論スタックをサポートする。
- 参考スコア（独自算出の注目度）: 36.567938139028186
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Robotics is undergoing a significant transformation powered by advances in high-level control techniques based on machine learning, giving rise to the field of robot learning. Recent progress in robot learning has been accelerated by the increasing availability of affordable teleoperation systems, large-scale openly available datasets, and scalable learning-based methods. However, development in the field of robot learning is often slowed by fragmented, closed-source tools designed to only address specific sub-components within the robotics stack. In this paper, we present \texttt{lerobot}, an open-source library that integrates across the entire robot learning stack, from low-level middleware communication for motor controls to large-scale dataset collection, storage and streaming. The library is designed with a strong focus on real-world robotics, supporting accessible hardware platforms while remaining extensible to new embodiments. It also supports efficient implementations for various state-of-the-art robot learning algorithms from multiple prominent paradigms, as well as a generalized asynchronous inference stack. Unlike traditional pipelines which heavily rely on hand-crafted techniques, \texttt{lerobot} emphasizes scalable learning approaches that improve directly with more data and compute. Designed for accessibility, scalability, and openness, \texttt{lerobot} lowers the barrier to entry for researchers and practitioners to robotics while providing a platform for reproducible, state-of-the-art robot learning.
- Abstract（参考訳）: ロボティクスは、機械学習に基づく高度な制御技術の進歩を生かし、ロボット学習の分野を生み出している。
ロボット学習の最近の進歩は、手頃な遠隔操作システム、大規模なオープンソースデータセット、スケーラブルな学習ベース手法の可用性の向上によって加速されている。
しかしながら、ロボット学習の分野での開発は、ロボットスタック内の特定のサブコンポーネントにのみ対処するように設計された、断片化されたクローズドソースツールによって遅くなることが多い。
本稿では,ロボット学習スタック全体を統合したオープンソースのライブラリである‘texttt{lerobot}を,モータ制御のための低レベルミドルウェア通信から大規模データセット収集,ストレージ,ストリーミングまで紹介する。
このライブラリは、現実世界のロボティクスに強く焦点を絞って設計されており、アクセス可能なハードウェアプラットフォームをサポートしながら、新しいエンボディメントに拡張可能である。
また、複数の著名なパラダイムからの最先端のロボット学習アルゴリズムの効率的な実装や、一般化された非同期推論スタックもサポートする。
手作りのテクニックに大きく依存する従来のパイプラインとは異なり、 \texttt{lerobot}は、より多くのデータと計算で直接改善するスケーラブルな学習アプローチを強調している。
アクセシビリティ、スケーラビリティ、オープン性のために設計された \texttt{lerobot} は、研究者や実践者にとってロボット工学への参入障壁を低くし、再現可能な最先端のロボット学習のためのプラットフォームを提供する。
関連論文リスト
- Robot Learning: A Tutorial [3.266205778385688]
このチュートリアルは、現代ロボット学習の風景をナビゲートし、強化学習の基本原理から汎用的な言語条件付きモデルへのコースをチャート化する。
我々のゴールは、ロボット学習の発展に貢献するために必要な概念的理解と実践的ツールを読者に提供することである。
論文 参考訳（メタデータ） (2025-10-14T11:36:46Z) - Towards General Purpose Robots at Scale: Lifelong Learning and Learning to Use Memory [0.0]
このテーマは、記憶と生涯学習という、長い時間をかけて動くロボットにとっての2つの重要な課題に対処することに焦点を当てている。
まず,連続世界ベンチマークにおける最先端性能を実現するトラジェクトリベースディープ生成再生法であるt-DGRを紹介する。
第2に,人間の実演を利用してエージェントに効果的なメモリ利用を教えるフレームワークを開発する。
論文 参考訳（メタデータ） (2024-12-28T21:13:48Z) - $π_0$: A Vision-Language-Action Flow Model for General Robot Control [77.32743739202543]
本稿では,インターネット規模のセマンティック知識を継承するために,事前学習された視覚言語モデル(VLM)上に構築された新しいフローマッチングアーキテクチャを提案する。
我々は,事前訓練後のタスクをゼロショットで実行し,人からの言語指導に追従し,微調整で新たなスキルを習得する能力の観点から,我々のモデルを評価した。
論文 参考訳（メタデータ） (2024-10-31T17:22:30Z) - Generalized Robot Learning Framework [10.03174544844559]
本稿では,様々なロボットや環境に容易に再現可能かつ伝達可能な,低コストなロボット学習フレームワークを提案する。
我々は,産業用ロボットにおいても,デプロイ可能な模倣学習をうまく適用できることを実証した。
論文 参考訳（メタデータ） (2024-09-18T15:34:31Z) - State-of-the-art in Robot Learning for Multi-Robot Collaboration: A Comprehensive Survey [2.686336957004475]
この基盤上に構築されたマルチロボットシステム(MRS)は劇的な進化を遂げている。
人工知能技術とロボットハードウェアの融合は、MSSに幅広い応用可能性をもたらしている。
本稿では,マルチロボット協調におけるロボット学習の現状について概説する。
論文 参考訳（メタデータ） (2024-08-03T21:22:08Z) - Learning Visual Tracking and Reaching with Deep Reinforcement Learning
on a UR10e Robotic Arm [2.2168889407389445]
強化学習アルゴリズムは、ロボットがそれらを再プログラミングすることなく、新しいタスクを完了するための最適な解を学習できる可能性を提供する。
強化学習における現在の最先端技術は、最適な性能を達成するために、高速なシミュレーションと並列化に依存している。
本稿では,産業用UR10eロボットへの深部強化学習の適用について概説する。
論文 参考訳（メタデータ） (2023-08-28T15:34:43Z) - RT-1: Robotics Transformer for Real-World Control at Scale [98.09428483862165]
我々は,有望なスケーラブルなモデル特性を示す,ロボティクストランスフォーマーと呼ばれるモデルクラスを提示する。
実世界の課題を遂行する実ロボットの大規模データ収集に基づいて,様々なモデルクラスと,データサイズ,モデルサイズ,データの多様性の関数として一般化する能力について検証した。
論文 参考訳（メタデータ） (2022-12-13T18:55:15Z) - Lifelong Robotic Reinforcement Learning by Retaining Experiences [61.79346922421323]
多くのマルチタスク強化学習は、ロボットが常にすべてのタスクからデータを収集できると仮定している。
本研究では,物理ロボットシステムの実用的制約を動機として,現実的なマルチタスクRL問題について検討する。
我々は、ロボットのスキルセットを累積的に成長させるために、過去のタスクで学んだデータとポリシーを効果的に活用するアプローチを導出する。
論文 参考訳（メタデータ） (2021-09-19T18:00:51Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。