🧪 De nouveaux tutoriels arrivent — du bras robotique au capteur
Aller au contenu

Étape 1 : Installation de l'environnement LeRobot (Ubuntu) ​

Le bras maître noir utilise un adaptateur secteur 5V6A

Le bras esclave blanc utilise un adaptateur secteur 12V5A

Installer Miniconda ​

https://www.anaconda.com/download

Changer la source de pip ​

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

Changer la source de conda ​

Shell
# Vider la configuration .condarc existante (facultatif, pour éviter les conflits)
echo "" > ~/.condarc

# Écrire la configuration du miroir de Tsinghua
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

# Vider le cache pour appliquer la configuration
conda clean -i

Créer un environnement virtuel ​

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

Entrer dans l'environnement virtuel ​

Shell
conda activate lerobot

Installer ffmpeg ​

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

Vérifier que l'installation a réussi

Shell
ffmpeg

image.png

image.png

Télécharger le dépôt de code officiel LeRobot ​

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

Installer le dépôt de code ​

Shell
#cd lerobot-main
cd lerobot

pip install -e ".[feetech]"

image.png

image.png

Vérifier que l'installation a réussi ​

Shell
lerobot-info

python

import lerobot
lerobot.__version__

import torch
torch.cuda.is_available()
import scservo_sdk

Résultat d'exécution sur une machine 4090 ​

image.png

image.png

Résultat d'exécution sur un NVIDIA DGX Spark ​

image.png