解决LeRobot安装9大痛点:从依赖冲突到硬件适配的完整指南
你是否在安装LeRobot时遇到过conda环境配置失败、依赖包版本冲突、硬件驱动不识别等问题?本文将系统梳理安装过程中的9类常见问题,提供分步解决方案和最佳实践,确保你顺利部署这个用于现实世界机器人的最先进机器学习框架。读完本文后,你将能够:快速定位安装错误类型、解决跨平台依赖问题、配置硬件设备通信,并通过测试用例验证安装完整性。
系统环境准备
LeRobot支持Ubuntu和macOS系统,在开始安装前需确认操作系统版本和Python环境。官方推荐使用Python 3.10,可通过以下命令检查当前Python版本:
python --version
若版本不符,需安装指定版本Python。Ubuntu用户可使用deadsnakes PPA,macOS用户推荐使用Homebrew。项目提供了系统专用依赖文件:
- Ubuntu系统依赖:requirements-ubuntu.txt
- macOS系统依赖:requirements-macos.txt
虚拟环境配置
Conda环境创建失败
问题表现:执行conda create -y -n lerobot python=3.10时出现Solving environment超时或失败。
解决方案:
- 更换conda源为国内镜像:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
- 若仍失败,使用mamba加速环境创建:
conda install -c conda-forge mamba
mamba create -y -n lerobot python=3.10
环境激活问题
问题表现:激活环境后,运行LeRobot命令仍提示"command not found"。
验证方法:检查环境是否正确激活:
echo $CONDA_PREFIX
应显示包含"lerobot"的路径。如未激活,需重新执行:
conda activate lerobot
依赖包安装
基础依赖安装
核心依赖安装命令:
pip install -e .
该命令会根据pyproject.toml中的配置安装基础组件。对于需要额外功能(如特定机器人支持、策略算法等),可安装可选依赖:
pip install 'lerobot[all]' # 所有功能
pip install 'lerobot[feetech]' # Feetech电机支持
pip install 'lerobot[smolvla]' # SmolVLA策略支持
版本冲突解决
问题表现:安装过程中出现"VersionConflict"错误,特别是torch与torchvision版本不匹配。
解决方案:参考pyproject.toml中指定的版本范围,安装兼容版本:
pip install "torch>=2.2.1,<2.8.0" "torchvision>=0.21.0,<0.23.0"
编译错误处理
问题表现:安装av或pyrealsense2时出现编译错误,提示缺少cmake或编译器。
解决方案:安装系统编译工具:
# Ubuntu
sudo apt-get install cmake build-essential python-dev pkg-config libavformat-dev libavcodec-dev
# macOS
brew install cmake pkg-config ffmpeg
详细编译指南可参考官方文档。
硬件设备配置
电机驱动安装
LeRobot支持Dynamixel和Feetech两种电机系统,需根据机器人型号安装对应驱动:
Feetech电机(SO100/SO101/Moss):
pip install -e ".[feetech]"
Dynamixel电机(Koch v1.1):
pip install -e ".[dynamixel]"
电机通信测试工具:src/lerobot/scripts/lerobot_find_port.py
相机设备连接
Realsense相机用户需安装专用驱动:
# Ubuntu
pip install pyrealsense2>=2.55.1.6486
# macOS
pip install pyrealsense2-macosx>=2.54
相机检测工具:src/lerobot/scripts/lerobot_find_cameras.py
安装验证
基础功能测试
安装完成后,运行信息查询命令验证基础功能:
lerobot-info
若输出LeRobot版本信息和系统配置,则基础安装成功。
仿真环境测试
通过运行Pusht仿真环境验证完整功能:
pip install -e ".[pusht]"
python examples/lekiwi/replay.py
成功运行将显示机器人在仿真环境中执行任务的过程。
硬件通信测试
对于连接硬件的用户,可运行关节限位检测工具:
lerobot-find-joint-limits --robot so100_follower
该工具会自动检测电机运动范围并生成配置文件。
常见问题速查表
| 错误类型 | 可能原因 | 解决方案 |
|---|---|---|
| Conda环境创建失败 | 网络问题或conda版本过旧 | 更换国内源或更新conda |
| torch安装失败 | CUDA版本不匹配 | 安装CPU版本或匹配CUDA版本 |
| 电机无响应 | 串口权限不足 | sudo chmod 666 /dev/ttyUSB0 |
| 相机无法打开 | 驱动版本不兼容 | 安装项目指定版本驱动 |
| 策略加载失败 | 缺少模型权重 | 运行lerobot-download-weights |
总结与后续步骤
本文详细介绍了LeRobot安装过程中的环境配置、依赖管理、硬件适配等关键环节的常见问题及解决方案。成功安装后,你可以:
- 探索官方文档:docs/source/index.mdx
- 尝试示例项目:examples/
- 参与社区讨论:CONTRIBUTING.md
如果遇到本文未覆盖的问题,欢迎在项目GitHub Issues中提交详细错误报告,或加入Discord社区获取实时支持。
提示:定期更新项目代码可获得最新bug修复:
git pull origin main && pip install -e .
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00


