03 · デプロイ
前へ：02-Environment-Setup次はどちらかのルートを選ぶ：xlerobot/（本体） または lerobot/（単腕 / LeKiwi）
イメージをローカルマシンに取得し、コンテナを起動します。このページが終われば、すべての環境が整ったシェルに入れます。
1. イメージの取得
方法 A：直接取得（推奨）
docker pull chenyang310/xlerobot:cpu-slimcpu-slim はスリム版（約 660 MB のダウンロード量）で、テレオペレーション、キャリブレーション、データ記録に必要なものがすべて含まれています。
フル版（可視化、トレーニング、Diffusion ポリシーを含む）が必要な場合：
docker pull chenyang310/xlerobot:cpu方法 B：自分でビルド
改修が必要な場合や、最新のソースコードを使いたい場合に適しています。
git clone <このリポジトリのURL> xlerobot-docker
cd xlerobot-docker
# 汎用 CPU 版
bash scripts/build.sh cpu
# Jetson GPU 版（Jetson 上で実行）
bash scripts/build.sh jetsonビルドスクリプトには中国本土向けのミラー（Alibaba Cloud PyPI、Alibaba Cloud Ubuntu リポジトリ）があらかじめ設定されています。 追加設定なしで、中国本土のネットワーク環境でもビルドできます。
初回ビルドでは約 2 GB の依存関係をダウンロードするため、低速なネットワークでは 1〜2 時間かかります。
scripts/sync.shとボード上のwheels/キャッシュを使えば、ダウンロード済みのパッケージを再利用できます。
2. 各バージョンの違い
| イメージ | サイズ | 含まれるもの | 用途 |
|---|---|---|---|
cpu-slim | 約 660 MB | テレオペレーション、キャリブレーション、ACT ポリシー推論 | ロボットを動かすだけ |
cpu | 約 1 GB | 上記 + 可視化、データ記録、トレーニング、Diffusion | フルワークフローを実施する場合 |
jetson | 約 3.6 GB | CPU 版 + CUDA アクセラレーション | Jetson、GPU 推論が必要な場合 |
3. コンテナの起動
3.1 スクリプトで起動（推奨）
リポジトリをクローン済みの場合：
# 汎用版
bash scripts/run.sh cpu
# Jetson 版（GPU パラメータが自動で追加される）
bash scripts/run.sh jetsonスクリプトには以下がすでに設定されています：
- デバイスパススルー —— シリアルポート、カメラ、USB
- ネットワーク ——
--network host。VR テレオペレーションと web 制御に必要 - ソースコードのマウント —— コードを変更してもイメージの再ビルドが不要
- キャッシュのマウント —— キャリブレーションファイルとモデルのダウンロードが保持されます
3.2 手動で起動
スクリプトを使わない場合の、最小構成のコマンド：
docker run -it --rm \
--privileged \
--network host \
-v /dev:/dev \
-v ~/.cache/huggingface:/home/jetson/.cache/huggingface \
-v /tmp/.X11-unix:/tmp/.X11-unix \
-e DISPLAY=$DISPLAY \
-e HF_ENDPOINT=https://hf-mirror.com \
chenyang310/xlerobot:cpu-slim各パラメータの役割：
| パラメータ | 必要な理由 |
|---|---|
--privileged + -v /dev:/dev | シリアルポート（SO-101 サーボ）、カメラ、USB のパススルー |
--network host | host/client の 2 プロセス間通信（ZMQ）、および VR 制御 |
-v ~/.cache/huggingface | キャリブレーションファイルとモデルキャッシュ。マウントしないと、コンテナを開き直すたびに再キャリブレーションが必要になります |
-v /tmp/.X11-unix + -e DISPLAY | 可視化を実行する場合に使用（rerun のウィンドウ表示） |
-e HF_ENDPOINT | huggingface.co は中国本土から完全に到達できないため、ミラー経由が必須 |
中に入ると bash が起動し、作業ディレクトリは /opt/xlerobot です。
4. Jetson の GPU パラメータ ⚠️ 他プラットフォームと異なります
Jetson 版では GPU を渡すために CDI を必ず使用します。--runtime nvidia は使用できません：
docker run -it --rm \
--device nvidia.com/gpu=all \
--privileged --network host -v /dev:/dev \
... \
chenyang310/xlerobot:jetson初回使用の前に、ホストマシン上で CDI 仕様を生成する必要があります：
sudo nvidia-ctk cdi generate --output=/etc/cdi/nvidia.yaml
sudo systemctl restart dockerハマりどころ：JetPack 7.2 では
nvidia-container-toolkit 1.19.1のenable-cuda-compatフックがクラッシュし（slice bounds out of range）、 コンテナがまったく起動しなくなります。パラメータを追加して無効化すれば解決します：bashsudo nvidia-ctk cdi generate --output=/etc/cdi/nvidia.yaml \ --disable-hook enable-cuda-compatコンテナの CUDA バージョンとホストマシンが一致している場合、このフックは不要です。
GPU が利用可能か確認
python -c "import torch; print('GPU:', torch.cuda.is_available())"5. プラットフォーム別
Jetson Orin シリーズ —— ✅ 現在正式対応
| モデル | 必要なもの | 説明 |
|---|---|---|
| Orin Nano | JetPack 7.2 | 私たちが実測したボード（3.4 GB メモリでもテレオペレーションは動作） |
| Orin NX | JetPack 7.2 | 同上 |
| AGX Orin / AGX Orin 64GB | JetPack 7.2 | ⚠️ 7.0 / 7.1 は AGX Orin 64GB に非対応。必ず 7.2 |
唯一の必須要件は JetPack のバージョンです：イメージ内の torch は CUDA 13.0 でコンパイルされており、 CUDA 13.x はドライバー 580 以上を要求します。
| JetPack | L4T | CUDA | ドライバー | 使用可能か |
|---|---|---|---|---|
| 6.2 | 36.4.3 | 12.6 | 540.4.0 | ❌ ドライバーが古すぎる |
| 7.2 | 39.2 | 13.2 | 595 系 | ✅ |
お使いのバージョンを確認：
cat /etc/nv_tegra_release
dpkg -l | grep nvidia-jetpack⚠️ JetPack 6.x から 7.x へのアップグレードは
apt upgrade/ OTA ではできません（OTA は同一 L4T メジャーバージョン内でのみ利用可能です）。ボード全体の再フラッシュが必要です。
Jetson Nano（2019 オリジナル）—— ❌ 永遠に非対応
3 つの独立した理由があり、いずれも解決の余地がありません：
- CUDA 13 が Maxwell アーキテクチャを完全に削除しました。ドライバー R580 が Maxwell / Pascal / Volta を最後にサポートするブランチであり、CUDA 13 が要求するのはまさに 580 以上です。 Jetson Nano は最高でも JetPack 4.6.6 / CUDA 10.2 に留まるしかありません。
- 演算能力 5.3 は torch のサポート下限を下回ります。このイメージ内の torch がコンパイルされたアーキテクチャは
sm_80 / sm_90 / sm_100 / sm_110 / sm_120——最低が sm_80 で、 Jetson Nano は sm_53 のため、ネイティブカーネルがなく、PTX による即時コンパイルも適用できません。 - プラットフォームは EOL 済み（JetPack 4 は 2024 年 11 月にサポート終了）。
Raspberry Pi / 一般的な Ubuntu / x86 PC —— ⏳ 未対応
イメージは設計上対応しています——汎用 CPU 版は python:3.12-slim ベースで、 このベースイメージは公式に amd64 と arm64 の両バージョンが提供されています。
しかし現在公開されている CPU 版はまだマルチアーキテクチャになっていません（ビルドスクリプトは通常の docker build で、生成されるのはビルドマシンのアーキテクチャのみです）。そのため、現在取得しても amd64 のみ、または arm64 のみの可能性があり、もう一方のプラットフォームでは使用できません。
マルチアーキテクチャビルド（docker buildx build --platform linux/amd64,linux/arm64）を 行ってからこの部分を開放します。それまではJetson Orin 上でのみ使用してください。
自分のイメージが使えるか分からない場合：
docker image inspect <イメージ> --format '{{.Architecture}}'で、uname -mと照合してください。
コンテナに入った後
まずセルフチェックを実行します：
python -c "import torch, lerobot; print('torch', torch.__version__); print('lerobot', lerobot.__version__)"期待される出力：
torch 2.11.0+cu130 ← Jetson 版。CPU 版は +cpu と表示
lerobot 0.6.2⚠️
xlerobotとxlerobot_mecanumは同一プロセス内に共存できません——両者はソースコード内で どちらも"xlerobot"として登録されるためです（XLeRobot 上流のバグ）。Cannot register ... as xlerobot because ... already registeredが報告されます。それ以外の組み合わせは問題ありません：原版 LeRobot のロボットと XLeRobot は同一プロセス内で共存できます （実測で 8 つのタイプが同時に登録成功）。
xlerobot_2wheelsも競合しません。 1 台のロボットには 1 つのバリアントしか使用しないため、通常の使用には影響しません。