# 🤗 Notebooks LeRobot

Ce dépôt contient des notebooks d'exemple pour l'utilisation de LeRobot. Ces notebooks montrent comment entraîner des politiques sur des jeux de données réels ou de simulation à l'aide de politiques standardisées.

---

### Entraînement d'ACT

[ACT](https://huggingface.co/papers/2304.13705) (Action Chunking Transformer) est une architecture de politique basée sur les transformers pour l'apprentissage par imitation, qui traite les états du robot et les entrées caméra pour générer des séquences d'actions lisses et groupées.

Nous mettons à disposition un notebook Google Colab prêt à l’emploi pour vous aider à entraîner des politiques ACT à l’aide de jeux de données du Hugging Face Hub.

| Notebook                                                                                                | Colab                                                                                                                                                                             |
| :------------------------------------------------------------------------------------------------------ | :-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| [Entraîner ACT avec LeRobot](https://github.com/huggingface/notebooks/blob/main/lerobot/training-act.ipynb) | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/lerobot/training-act.ipynb) |

Temps de formation estimé pour 100k étapes : ~1,5 heure sur un GPU NVIDIA A100 avec une taille de lot de `64`.

### Entraînement de SmolVLA

[SmolVLA](https://huggingface.co/papers/2506.01844) est un modèle Vision-Language-Action compact mais efficace. Il est de petite taille, avec 450 M de paramètres, et a été développé par Hugging Face.

Nous mettons à disposition un notebook Google Colab prêt à l’emploi pour vous aider à entraîner des politiques SmolVLA à l’aide de jeux de données du Hugging Face Hub.

| Notebook                                                                                                        | Colab                                                                                                                                                                                 |
| :-------------------------------------------------------------------------------------------------------------- | :------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ |
| [Entraîner SmolVLA avec LeRobot](https://github.com/huggingface/notebooks/blob/main/lerobot/training-smolvla.ipynb) | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/lerobot/training-smolvla.ipynb) |

Temps de formation estimé pour 20k étapes : ~5 heures sur un GPU NVIDIA A100 avec une taille de lot de `64`.