01 · Überblick

Zurück: Keine – dies ist der erste Teil Weiter: 02-Environment-Setup

Dieser Teil erklärt: wie der komplette Workflow von XLeRobot aussieht, welche Hardware Sie benötigen und ob Ihr Rechner unterstützt wird.

---

Workflow

Der komplette Ablauf bei XLeRobot umfasst vier Schritte:

① Roboter kalibrieren  →  ② Daten per Teleoperation aufzeichnen  →  ③ Modell trainieren  →  ④ Modell einsetzen und autonom laufen lassen
   kalibrieren             aufzeichnen                               trainieren               einsetzen

Das Docker-Image bringt die Softwareumgebung für alle vier Schritte bereits mit – Python, PyTorch, LeRobot, den Roboter-Code von XLeRobot sowie Servo- und Kameratreiber. Sie müssen nicht mehr mit Versionskonflikten kämpfen.

Selbst bereitstellen müssen Sie nur: einen Roboter (oder erst einmal nur die Software zum Laufen bringen), einen Computer und ein USB-Kabel.

---

Hardware-Unterstützung

Plattform	Unterstützung
Jetson Orin-Serie (JetPack 7.2)	✅ Derzeit offiziell unterstützte Plattform, GPU-Beschleunigung möglich
Jetson Nano (2019, Original)	❌ Nicht unterstützt – zu wenig Rechenleistung, siehe unten
Raspberry Pi / normales Ubuntu / x86-PC	⏳ Noch nicht unterstützt, siehe unten
Windows / macOS	❌ Nicht unterstützt (serielle Schnittstellen und Kamera-Passthrough funktionieren nur unter Linux reibungslos)

💡 Dieses Image richtet sich derzeit ausschließlich an Jetson-Orin-Geräte.

• Jetson Orin Nano / Orin NX / AGX Orin: erfordern JetPack 7.2 (L4T 39.2 / CUDA 13.2). Auch das AGX Orin 64GB wird erst ab 7.2 vollständig unterstützt.
• Jetson Nano (2019, Original): ❌ Nie möglich. Es ist Maxwell-Architektur (Compute 5.3), und CUDA 13 hat die Maxwell-Unterstützung vollständig entfernt; torch verlangt mindestens sm_80.
• Raspberry Pi / x86-PC: Vom Image-Design her unterstützt (die allgemeine CPU-Version basiert auf python:3.12-slim, dieses Basis-Image erscheint offiziell für amd64 und arm64), aber die derzeit veröffentlichte CPU-Version wurde noch nicht Multi-Arch gebaut – was Sie herunterladen, ist möglicherweise nur amd64 oder nur arm64. Freigabe erfolgt, sobald der Multi-Arch-Build steht.

Empfohlener Arbeitsspeicher: über 4 GB. Auch die 3,4 GB des Jetson Orin Nano reichen noch für die Teleoperation, aber das Training wird zäh.

Systemanforderungen

• Ubuntu 20.04 / 22.04 / 24.04 oder Debian 12+
• Raspberry Pi: 64-Bit-System erforderlich (uname -m zeigt aarch64)
• Kernel-Unterstützung für USB-Seriell (normalerweise vorhanden)

Architektur prüfen

uname -m

• aarch64 → Raspberry Pi, Jetson (arm64-Image verwenden)
• x86_64 → Gewöhnlicher PC (amd64-Image verwenden)

---

Die Ordner, die Sie lesen müssen

#	Ordner	Inhalt	Wann lesen
1	deployment/ (hier)	Image herunterladen, Image ausführen	Beim ersten Mal: 01 → 02 → 03 der Reihe nach lesen
2	xlerobot/	Betriebsbefehle für den kompletten XLeRobot	Wenn Sie den kompletten Roboter haben (beide Arme + Fahrgestell)
3	lerobot/	Betriebsbefehle für das Original-LeRobot	Wenn Sie nur einen einzelnen SO-101- / SO-100-Arm oder einen LeKiwi haben
4	troubleshooting/	Häufige Probleme und Schnellreferenz	Wenn Probleme auftreten

⚠️ Die Ordner 2 und 3 sind Alternativen – wählen Sie einen davon, je nach Ihrer Hardware:

• Kompletter XLeRobot (beide Arme + Fahrgestell) → gehen Sie in xlerobot/
• Einzelner SO-101 / SO-100 Arm, LeKiwi → gehen Sie in lerobot/

Das Image ist dieselbe Umgebung; Sie können jederzeit zwischen den beiden Wegen wechseln, ohne irgendetwas neu zu installieren.

---

Der kürzeste Weg (erst einmal nur zum Laufen bringen)

Auf dem Jetson (JetPack 7.2) – mit wenigen Befehlen bringen Sie den Roboter zuerst zum Laufen und lesen die Details später nach:

# 1. Docker installieren (überspringen, falls schon installiert)
curl -fsSL https://get.docker.com | sudo sh && sudo usermod -aG docker $USER

# 2. GPU-Zugriff für den Container freischalten (Jetson-spezifisch, nur einmal nötig)
sudo nvidia-ctk cdi generate --output=/etc/cdi/nvidia.yaml --disable-hook enable-cuda-compat
sudo systemctl restart docker

# 3. Image herunterladen (ca. 3,6 GB)
docker pull chenyang310/xlerobot:jetson

# 4. Container starten
docker run -it --rm --device nvidia.com/gpu=all \
  --privileged --network host -v /dev:/dev \
  -v ~/.cache/huggingface:/home/jetson/.cache/huggingface \
  -e HF_ENDPOINT=https://hf-mirror.com \
  chenyang310/xlerobot:jetson

# 5. Teleoperation im Container ausführen (beim ersten Mal startet automatisch die geführte Kalibrierung)
python examples/4_xlerobot_teleop_keyboard.py

⚠️ Der Schnellweg überspringt zwei Dinge, die früher oder später erledigt werden müssen; wenn Sie hängen bleiben, lesen Sie das jeweilige Kapitel nach:

• Registry-Mirror für Festlandchina (Schritt 3 kann hängen bleiben) → 02-Environment-Setup §2
• --disable-hook enable-cuda-compat darf nicht fehlen (dieser Hook hat unter JetPack 7.2 einen Bug und lässt den Container nicht starten) → 03-Deployment §4

Schritt 5 oben führt das Beispiel des kompletten XLeRobot aus. Falls Sie nur einen einzelnen SO-101-Arm haben, verwenden Sie stattdessen die lerobot-*-Kommandozeile, siehe lerobot/.

---

Weiter: 02-Environment-Setup – Docker installieren, Mirror für Festlandchina einrichten, Hardware anschließen