ycheng517/lerobot-ros
机器人
4/5
🧩 软硬件结合
已发布
项目简介
Lightweight interface for controlling ROS-based robotic arms using LeRobot
LeRobot-ROS 是一个轻量级的开源桥梁项目，旨在将 Hugging Face 的 LeRobot 机器人学习框架与 ROS 2 生态无缝连接。它解决了机器人研究人员和开发者在使用 LeRobot 进行模仿学习或数据采集时，难以直接驱动真实或仿真机械臂的痛点。通过该项目，任何兼容 ros2_control 或 MoveIt 2 的机器人手臂都能快速接入 LeRobot 的强大功能。
标签
项目特点
**无缝桥接**：在 LeRobot 和 ROS 2 之间建立标准化的通信桥梁，无需修改原有框架代码。
**即插即用**：支持所有兼容 ros2_control 和 MoveIt 2 的机器人手臂，包括 UR5、Franka Emika Panda、Kinova Gen3 等主流型号。
**数据采集友好**：提供 ROS 2 话题到 LeRobot 数据格式的自动转换，方便录制和回放模仿学习数据集。
**仿真与真实兼顾**：同时支持 Gazebo 仿真环境和真实硬件，开发调试流程一致。
**轻量级设计**：依赖少，安装简单，不引入额外重量级中间件。
**社区活跃**：基于 Hugging Face 生态，易于与预训练模型和社区数据集集成。
技术规格
| 支持 ROS 2 版本 | Humble、Iron、Rolling |
|---|---|
| 支持 Python 版本 | Python 3.8+ |
| 依赖框架 | LeRobot (Hugging Face)、ROS 2、ros2_control、MoveIt 2 |
| 支持机器人类型 | 串联机械臂（6轴/7轴） |
| 通信协议 | ROS 2 Topics / Services / Actions |
| 数据格式 | LeRobot Dataset 格式（HDF5 + Parquet） |
| 控制频率 | 最高 1000 Hz（取决于硬件和网络） |
| 操作系统 | Ubuntu 22.04 / 24.04 |
| 仿真支持 | Gazebo Classic / Ignition Gazebo |
项目资源
搜索资源
物料清单 (BOM)
| 物料名称 | 数量 | 参考价格 | 备注 |
|---|---|---|---|
| 兼容 ros2_control 的机械臂 | 1 | — | 如 UR5、Franka Panda、Kinova Gen3 |
| 末端执行器（夹爪/吸盘） | 1 | — | 需支持 ROS 2 控制 |
| 力/力矩传感器 | 1 | — | 用于力控数据采集 |
| Ubuntu 22.04/24.04 | 1 | — | 操作系统 |
| ROS 2 Humble/Iron/Rolling | 1 | — | 机器人操作系统 |
| LeRobot | 1 | — | 机器学习框架 |
| ros2_control | 1 | — | 硬件控制接口 |
| MoveIt 2 | 1 | — | 运动规划（可选） |
| Python 3.8+ | 1 | — | 脚本语言 |
| Gazebo | 1 | — | 仿真环境（可选） |
能力画像
**记忆与知识检索**：2/5 — 项目本身不涉及知识库或检索功能，但依赖 LeRobot 社区数据集。
**动手与操作**：4/5 — 需要实际搭建和调试机器人硬件，涉及接线、标定、参数调整。
**编程与算法**：4/5 — 需要编写 ROS 2 节点、配置 Launch 文件、理解 LeRobot 数据流水线。
**设计与建模**：2/5 — 不涉及机械设计，但需要理解机器人 URDF 模型和运动学。
**实验与调试**：5/5 — 核心工作就是数据采集、仿真验证、控制参数调优，实验密集。
**协作与分享**：3/5 — 支持多人协作开发，但主要面向个人或小团队研究。
**学习与研究**：5/5 — 直接服务于机器人模仿学习研究，是学术和工业研究的实用工具。
**系统集成**：5/5 — 核心价值就是集成 LeRobot 与 ROS 2 两大生态，系统整合能力强。
视频
所需技能
熟悉 ROS 2 基本概念（节点、话题、服务、动作）
掌握 Python 编程，能编写 ROS 2 节点
了解 ros2_control 框架和硬件接口配置
具备机械臂运动学基础知识（DH 参数、URDF）
会使用 Git 进行版本管理
了解 LeRobot 数据格式和数据集结构（加分项）
有 MoveIt 2 使用经验（加分项）
具备 Linux 命令行操作能力
适用场景
机器人模仿学习数据采集：快速录制真实机械臂的操作演示数据
机器人技能迁移研究：在仿真中训练策略，直接部署到真实硬件
多机器人平台统一控制：用同一套代码控制不同型号的机械臂
机器人学习算法验证：快速搭建 LeRobot + ROS 2 的端到端实验环境
教学与培训：在课堂上演示机器人学习与 ROS 2 的集成
开源机器人竞赛：快速搭建参赛机器人的控制与数据采集系统