روبوتات المستقبل تُكتب بـ Python: Hugging Face و牛津联合推出 LeRobot، مكتبة مفتوحة المصدر تُحدث ثورة في تطوير الروبوتات أعلنت Hugging Face بالتعاون مع فريق من جامعة أكسفورد عن إطلاق LeRobot، مكتبة مفتوحة المصدر تُعدّ نقلة نوعية في مجال الروبوتات، ووصفها الخبراء بـ "PyTorch للروبوتات". تهدف LeRobot إلى دمج الروبوتات مع كامل سلسلة التكنولوجيا الحديثة، من التعلم الآلي إلى التحكم الفعلي، عبر دعم البيانات متعددة الوسائط مثل الفيديو، والنصوص، والبيانات الحسية، مع التوافق مع مجموعة واسعة من الأجهزة، مما يُمكّن من التحول من النماذج التقليدية القائمة على المعادلات إلى نماذج تعلّم قادرة على التعميم عبر المهام والروبوتات المختلفة. تُعدّ LeRobotDataset، أحد أهم ميزات المكتبة، صيغة معيارية لتخزين بيانات الروبوتات، تُستخدم الآن في المجتمع العلمي لتوثيق ومشاركة البيانات. تُخزّن هذه الصيغة كل التفاصيل المرتبطة بالبيانات، مثل وصف المهمة النصي، نوع الروبوت المستخدم، وعدد الإطارات في الثانية عند تسجيل الفيديو أو الحالة الروبوتية. بفضل هذا التصميم، تُوفّر LeRobotDataset واجهة موحدة لمعالجة البيانات متعددة الوسائط والمتسلسلة زمنيًا، مع دعم متكامل لـ PyTorch وبيئة Hugging Face. المكتبة تدعم مجموعات بيانات مفتوحة من مصادر متنوعة، تشمل معدات مفتوحة مثل SO-100 و ALOHA-2، وروبوتات بشرية الشكل من العالم الحقيقي، فضلاً عن بيانات محاكاة وبيانات من أنظمة القيادة الذاتية. كما تسمح للمستخدمين بتوسيع الصيغة حسب الحاجة، مما يعزز المرونة والقابلية للتوسع. من ناحية الخوارزميات، تقدّم LeRobot تنفيذًا فعّالًا لأساليب التعلّم الآلي المستخدمة في الروبوتات، مثل التعلّم بالمحاكاة (imitation learning) والتعلم بالتعزيز (reinforcement learning)، مع دعم متكامل لتجريب النماذج وتتبع النتائج. كما تُقدّم مكدسًا مخصصًا للاستدلال، يفصل بين تخطيط الحركات وتنفيذها، مما يُحسّن الأداء والكفاءة. الورقة البحثية المرتبطة بـ LeRobot تُشير إلى أن الروبوتات تمرّ بمرحلة تحول جذري، مدفوعة بالتقدم السريع في التعلم الآلي وتوفر بيانات ضخمة من العالم الحقيقي. من خلال دمج النماذج اللغوية-البصرية-الحركية المُدرّبة مسبقًا مع تقنيات مثل التوليد بالتماثل (flow matching)، تمكّن نماذج مثل π0 من Physical Intelligence و SmolVLA من التعميم عبر مهام متعددة وحتى عبر أنواع مختلفة من الروبوتات. يُعتبر LeRobot جزءًا من تيار أوسع نحو توحيد وتسهيل تطوير الروبوتات، حيث يُقلل من الحاجة إلى إعادة اختراع العجلة، ويُمكّن المطورين من تدريب ونشر استراتيجيات روبوتية باستخدام بضع أسطر كود فقط. وبما أن المكتبة مفتوحة المصدر، فإنها تفتح الباب أمام المهتمين، والباحثين، وحتى الهواة، لمشاركة المعرفة، وتسريع تطوير الروبوتات من أجهزة مخصصة إلى أنظمة عامة، ومن مكلفة إلى متاحة للجميع. LeRobot ليست مجرد أداة تقنية، بل هي رؤية: رؤية لعالم يُبنى فيه الروبوتات بسهولة، وبنفس السرعة التي تُبنى بها النماذج الذكية اليوم.
近日，Hugging Face 联合牛津大学研究团队发布开源机器人学习框架 LeRobot，被业界誉为“机器人界的 PyTorch”。该平台致力于实现机器人技术从传统建模方法向数据驱动范式的全面转型，推动机器人系统在操控、运动与全身控制等任务中实现端到端的高效学习与部署。 LeRobot 的核心创新之一是其原生数据集格式——LeRobotDataset。这一标准化格式专为机器人多模态数据设计，支持文本、视频、传感器信号等异构数据的统一存储与访问。它不仅记录任务描述、机器人型号、帧率等元信息，还为时间序列数据和跨模态数据处理提供一致接口。该格式可无缝集成 PyTorch 与 Hugging Face 生态，支持用户自定义扩展，已广泛应用于 SO-100 机械臂、ALOHA-2 操作器、人形机器人及模拟环境等多类平台，涵盖真实世界与虚拟数据，显著提升数据共享与复用效率。 在算法层面，LeRobot 提供了基于 PyTorch 的高效实现，涵盖强化学习、行为克隆与模仿学习等主流方法，并强化了实验管理与追踪功能。其定制化推理栈将动作规划与执行解耦，提升系统灵活性与可扩展性。平台还支持从预训练视觉-语言-动作模型（如 π0 与 SmolVLA）中快速调用先进策略，实现少样本甚至零样本的跨任务、跨机器人泛化。 当前，机器人学习正经历关键转折：传统依赖精确建模与人工设计奖励函数的方法，正逐步让位于以大规模数据和生成式模型为基础的智能范式。尽管强化学习在理论上具备强大潜力，但其样本效率低、训练风险高、奖励设计复杂等问题限制了实际应用。为此，融合人类指导的强化学习（HIL-SERL）等新方法应运而生，通过引入专家演示与学习型奖励分类器，使现实世界训练更加安全可行。与此同时，模仿学习因能从有限的无奖赏专家数据中高效学习，成为推动机器人智能发展的关键路径。 LeRobot 的出现，正是这一演进趋势的集大成者。它整合了公开数据集、标准化架构与可复用工具链，大幅降低机器人研发门槛。开发者仅需几行代码即可调用当前最先进模型，普通爱好者也能完成策略训练与部署。通过打破技术壁垒，LeRobot 有望加速机器人从专用、高成本系统向通用、普及化平台的跨越，助力实现“人人可用机器人”的愿景。 这一开源框架不仅是技术工具的革新，更是推动机器人生态开放协作的重要里程碑，标志着机器人学习正迈向更加协同、高效与智能的新阶段。
