LeRobot: End-to-End-Roboterlernen mit PushT – Training, Evaluation und Visualisierung

In diesem Tutorial führen wir Sie Schritt für Schritt durch die Nutzung der LeRobot-Bibliothek von Hugging Face, um eine Verhalten‑Klon‑Policy auf dem PushT‑Datensatz zu trainieren und zu bewerten. Zunächst richten Sie die Umgebung in Google Colab ein, installieren die benötigten Abhängigkeiten und laden den Datensatz über die einheitliche LeRobot‑API. Anschließend entwerfen Sie eine kompakte visuomotorische Policy, die die erlernten Bewegungen effizient ausführt. Das Ergebnis ist ein vollständig automatisierter Lern‑ und Evaluationsprozess, der die Leistungsfähigkeit von Verhalten‑Klon‑Modellen in der Robotik demonstriert.