🧪 Neue Tutorials in Arbeit — vom Roboterarm bis zum Sensor
Zum Inhalt springen

Schritt 1: LeRobot-Umgebung installieren (Ubuntu) ​

Der schwarze Führungsarm verwendet ein 5V6A-Netzteil

Der weiße Folgearm verwendet ein 12V5A-Netzteil

Miniconda installieren ​

https://www.anaconda.com/download

pip-Quelle ändern ​

Shell
pip config set global.index-url https://mirrors.aliyun.com/pypi/simple

conda-Quelle ändern ​

Shell
# Vorhandene .condarc-Konfiguration leeren (optional, um Konflikte zu vermeiden)
echo "" > ~/.condarc

# Tsinghua-Quellenkonfiguration schreiben
cat << EOF > ~/.condarc
channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
EOF

# Cache leeren, damit die Konfiguration wirksam wird
conda clean -i

Virtuelle Umgebung erstellen ​

Shell
conda create -y -n lerobot python=3.12 -y

Virtuelle Umgebung betreten ​

Shell
conda activate lerobot

ffmpeg installieren ​

Shell
conda install ffmpeg=7.1.1 -c conda-forge -y

Installation erfolgreich verifizieren

Shell
ffmpeg

image.png

image.png

Offizielles LeRobot-Code-Repository herunterladen ​

Shell
git clone https://github.com/huggingface/lerobot.git

Code-Repository installieren ​

Shell
#cd lerobot-main
cd lerobot

pip install -e ".[feetech]"

image.png

image.png

Installation erfolgreich verifizieren ​

Shell
lerobot-info

python

import lerobot
lerobot.__version__

import torch
torch.cuda.is_available()
import scservo_sdk

Ergebnis der Ausführung auf dem 4090-Rechner ​

image.png

image.png

Ergebnis der Ausführung auf dem NVIDIA DGX Spark ​

image.png