01 · Aperçu

Précédent : aucun, c'est la première page Suivant : 02-Environment-Setup

Cette page explique clairement : en quoi consiste le workflow complet d'XLeRobot, quel matériel est nécessaire, et si votre machine est compatible.

---

Workflow

Le processus complet d'XLeRobot se déroule en quatre étapes :

① Calibrer le robot  →  ② Téléopérer et collecter les données  →  ③ Entraîner le modèle  →  ④ Déployer en autonomie
   calibrate              record                                    train                     eval / rollout

L'image Docker embarque tout l'environnement logiciel nécessaire à ces quatre étapes — Python, PyTorch, LeRobot, le code robot d'XLeRobot, les pilotes de servos et de caméras. Vous n'avez plus à vous battre avec les conflits de versions.

Ce que vous devez préparer de votre côté : uniquement un robot (ou commencer par faire tourner le logiciel), un ordinateur et un câble USB.

---

Prise en charge matérielle

Plateforme	Prise en charge
Série Jetson Orin (JetPack 7.2)	✅ Plateforme officiellement prise en charge actuellement, accélération GPU disponible
Jetson Nano (2019, version d'origine)	❌ Non pris en charge — Maxwell, compute 5.3, voir ci-dessous
Raspberry Pi / Ubuntu classique / PC x86	⏳ Pas encore pris en charge — build multi-architecture manquant, voir ci-dessous
Windows / macOS	❌ Non pris en charge (le passthrough des ports série et des caméras n'est fluide que sous Linux)

💡 Pour l'instant, cette image ne cible que les appareils Jetson Orin.

• Jetson Orin Nano / Orin NX / AGX Orin : nécessite JetPack 7.2 (L4T 39.2 / CUDA 13.2). L'AGX Orin 64 GB n'est lui aussi pleinement pris en charge qu'à partir de 7.2.
• Jetson Nano (2019, version d'origine) : ❌ impossible, définitivement. C'est une architecture Maxwell (compute 5.3), or CUDA 13 a entièrement supprimé la prise en charge de Maxwell, et torch exige au minimum sm_80.
• Raspberry Pi / PC x86 : l'image est conçue pour les prendre en charge (la version CPU générique est basée sur python:3.12-slim, une image de base publiée officiellement en amd64 comme en arm64), mais la version CPU actuellement publiée n'est pas encore multi-architecture : vous ne téléchargerez peut-être que de l'amd64 ou que de l'arm64. Cette partie sera ouverte une fois le build multi-architecture fait.

Un minimum de 4 GB de mémoire est recommandé. Les 3,4 GB du Jetson Orin Nano suffisent pour la téléopération, mais l'entraînement sera laborieux.

Configuration système requise

• Ubuntu 20.04 / 22.04 / 24.04, ou Debian 12+
• Raspberry Pi : système 64 bits requis (uname -m doit afficher aarch64)
• Noyau prenant en charge les ports série USB (c'est généralement le cas)

Vérifier votre architecture

uname -m

• aarch64 → Raspberry Pi, Jetson (utilisez l'image arm64)
• x86_64 → PC classique (utilisez l'image amd64)

---

Les dossiers à lire

#	Dossier	Contenu	Quand le lire
1	deployment/ (c'est ici)	Télécharger l'image, faire tourner l'image	Première utilisation : à lire dans l'ordre 01 → 02 → 03
2	xlerobot/	Commandes de l'XLeRobot complet	Quand vous avez l'XLeRobot complet (deux bras + châssis)
3	lerobot/	Commandes du LeRobot d'origine	Quand vous n'avez qu'un bras SO-101 / SO-100 unique ou un LeKiwi
4	troubleshooting/	Problèmes fréquents et aide-mémoire	En cas de problème

⚠️ Choisissez l'un ou l'autre des dossiers 2 et 3, selon votre matériel :

• XLeRobot complet (deux bras + châssis) → allez dans xlerobot/
• Un bras SO-101 / SO-100 unique, LeKiwi → allez dans lerobot/

L'image est un environnement unique — vous pouvez passer d'un chemin à l'autre à tout moment, sans rien réinstaller.

---

Le chemin le plus court (pour un premier essai)

Sur un Jetson (JetPack 7.2), quelques commandes pour voir le robot bouger, puis revenez lire les détails :

# 1. Installer Docker (à ignorer si déjà installé)
curl -fsSL https://get.docker.com | sudo sh && sudo usermod -aG docker $USER

# 2. Ouvrir l'accès GPU pour le conteneur (spécifique à Jetson, à faire une seule fois)
sudo nvidia-ctk cdi generate --output=/etc/cdi/nvidia.yaml --disable-hook enable-cuda-compat
sudo systemctl restart docker

# 3. Télécharger l'image (environ 3,6 GB)
docker pull chenyang310/xlerobot:jetson

# 4. Démarrer le conteneur
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. Lancer la téléopération dans le conteneur (la calibration guidée démarre automatiquement au premier lancement)
python examples/4_xlerobot_teleop_keyboard.py

⚠️ Ce raccourci saute deux choses qu'il faudra faire tôt ou tard ; si vous êtes bloqué, revenez au chapitre correspondant :

• Le miroir de registre pour la Chine continentale (l'étape 3 peut se bloquer) → 02-Environment-Setup §2
• --disable-hook enable-cuda-compat ne peut pas être omis (ce hook a un bug sous JetPack 7.2 et empêche le conteneur de démarrer) → 03-Deployment §4

L'étape 5 ci-dessus exécute l'exemple de l'XLeRobot complet. Si vous n'avez qu'un seul bras SO-101, utilisez plutôt la ligne de commande lerobot-* — voir lerobot/.

---

Suivant : 02-Environment-Setup — installer Docker, configurer le miroir (Chine continentale), brancher le matériel