LeRobotでACTを訓練するには、lerobot-trainコマンドに--policy.type=actと、自分のデータセットの--dataset.repo_idを指定して実行します。 ACT(Action Chunking Transformer)とは、カメラ画像と関節角度を入力に、数ステップ先までの一連の動作(アクションチャンク)をまとめて予測する模倣学習の手法です1。テレオペで集めたデータがあれば、このコマンド1つで「あなたの操作」をロボットに学習させられます。
この記事で分かること
- ACT訓練は `lerobot-train --policy.type=act --dataset.repo_id=<自分のデータセット>` の1行で始められる
- 学習には数時間かかることが多く、trackioで学習曲線を見ながら進められる。チェックポイントは `outputs/train/<ジョブ名>/checkpoints` に保存される
- 学習後は `lerobot-rollout` で実機に展開して評価する。データ収集時と同じ `--robot.id`・カメラ設定・タスク説明を使うのが前提
対象読者:テレオペでデータを集めたあと、自分のロボットに動きを学習させたい人
執筆:ゆるふわフィジカルAI編集部 最終更新日:2026年11月16日
訓練から実機評価までの流れ
集めたデータが「動くロボット」になるまで
データセット
テレオペで記録済み
ACT訓練
lerobot-train
監視
trackioで学習曲線
実機評価
lerobot-rollout
この記事では、テレオペとデータ収集入門で集めたデータセット(例: あなたのID/pick_place)を前提に、訓練から実機での動作確認までを順番に見ていきます。SO-101組み立てガイドで実機を組み、データをまだ集めていない人は先にそちらから進めてください。
訓練コマンドを実行する
pip install "lerobot[training]"(詳しくはLeRobot入門)で環境ができていれば、あとはコマンド1つです。
lerobot-train \
--dataset.repo_id=あなたのID/pick_place \
--policy.type=act \
--output_dir=outputs/train/act_pick_place \
--job_name=act_pick_place \
--policy.device=cuda \
--trackio.enable=true \
--policy.repo_id=あなたのID/my_act_policy引数の意味
--dataset.repo_idには、記録したデータセットの名前をそのまま指定します。--policy.type=actを指定すると、ACTの設定がデータセットに保存されたロボットのモーター数・アクション・カメラ(wristやtopなど)に自動で合わせられます2。GPUがNVIDIA製なら--policy.device=cuda、Apple siliconならmpsを指定します。
--stepsを省略すると既定の10万ステップで学習しますが、公式ドキュメントでは模倣学習は通常5〜10エポック程度で収束するとされ、小規模なデータセットには10万ステップは多すぎると注意されています2。何ステップが適切かの目安は、公式の「Compute & Hardware Guide」を参照してください。
trackioで学習を見る
--trackio.enable=trueを付けておくと、学習曲線をダッシュボードで確認できます。
trackio show --project lerobot--trackio.space_id=<あなたのID>/<space名>を指定すれば、Hugging Face Spaceに結果を同期することもできます2。
チェックポイントの場所と再開
学習中・学習後のモデルは、ローカルのoutputs/train/<job_name>/checkpoints以下に保存されます。
outputs/train/act_pick_place/checkpoints/
├── last/pretrained_model/ # 最新のチェックポイント
├── 005000/pretrained_model/ # 5,000ステップ時点
└── 010000/pretrained_model/ # 10,000ステップ時点途中で止めても、同じ設定ファイルを指定すれば再開できます。
lerobot-train \
--config_path=outputs/train/act_pick_place/checkpoints/last/pretrained_model/train_config.json \
--resume=trueHubにチェックポイントをアップロードしておけば、--config_pathにHubのリポジトリIDを指定して別のマシンから再開することもできます2。
hf upload あなたのID/act_pick_place \
outputs/train/act_pick_place/checkpoints/last/pretrained_model実機で評価する
学習したポリシーは、lerobot-rolloutで実機に展開して動かします。評価時は、データ収集のときと同じ--robot.id・カメラ設定・タスク説明を使うのが前提です2。--robot.idが揃っていないと、キャリブレーションが正しく読み込まれません。
lerobot-rollout \
--strategy.type=base \
--policy.path=あなたのID/my_act_policy \
--robot.type=so101_follower \
--robot.port=/dev/ttyUSB0 \
--robot.id=my_arm \
--robot.cameras="{ wrist: {type: opencv, index_or_path: 0, width: 640, height: 480, fps: 30}, top: {type: opencv, index_or_path: 1, width: 640, height: 480, fps: 30}}" \
--task="赤いブロックを箱に入れる" \
--duration=60--strategy.type=baseは録画なしで自律実行する、いちばん手早い評価モードです。公式ドキュメントには、評価中の様子を自動で録画・アップロードするsentryモードなど、ほかの実行モードも用意されています2。
思ったように動かないとき
ACTがうまく学習しない・実機でうまく動かないときは、まずデータの量と質を見直すのが近道です。公式ドキュメントでは、最低50エピソード(配置ごとに10エピソード程度)を、カメラを固定した状態で記録し、対象物が必ずカメラに映っていることを確認するよう勧めています2。変動要素(物の位置・照明など)は最初から増やしすぎず、段階的に増やすのがよいとされています2。データの集め方自体の目安はテレオペとデータ収集入門にまとめています。
ACT
- 動作をチャンク単位でまとめて予測
- 学習が比較的軽い・高速
- ALOHA論文(2023)で提案
Diffusion Policy
- 拡散モデルで多様な動作分布を学習
- マルチモーダルな動作(複数の正解)に強い
- 学習・推論のコストはACTより大きめ
どちらもLeRobotで同じlerobot-trainコマンドの--policy.typeを切り替えるだけで試せます。Diffusion Policy解説で手法の違いをもう少し詳しく確認できます。
まとめ
- ACT訓練は
lerobot-train --policy.type=act --dataset.repo_id=<自分のデータセット>の1行で始められる - 学習には数時間かかる。trackioで学習曲線を見ながら進め、チェックポイントは
outputs/train/<job_name>/checkpointsに保存される - 評価は
lerobot-rollout。データ収集時と同じ--robot.id・カメラ設定・タスク説明を使うのが前提 - 思ったように動かないときは、データの量・多様性・カメラの固定を先に見直す
よくある質問
Q. ACTの訓練にGPUは必須ですか?
A. 必須ではありませんが、公式ドキュメントでは学習に数時間かかるとされているため、GPUがあると大幅に短縮できます。GPUがない場合は、公式のACT training notebookを使ったGoogle Colab、または従量課金のHugging Face Jobsでクラウドのハードウェアを借りる方法が用意されています。
Q. 学習したポリシーをすぐ実機で試すにはどうしますか?
A. lerobot-rolloutコマンドに --policy.path でHugging Face Hub上のポリシー名を指定し、--strategy.type=base を使うと、録画なしで手早く実機評価できます。データ収集時と同じ --robot.id・カメラ設定・タスク説明を使うことが前提です。
Q. ACTとDiffusion Policyはどちらを選べばいいですか?
A. どちらもlerobot-trainの--policy.typeを切り替えるだけで試せるので、まずはACTで一度動かしてみて、動作のばらつきが大きいタスクでDiffusion Policyも試す、という順番がおすすめです。手法の違いはDiffusion Policy解説の記事で詳しく説明しています。
📚 もう少し詳しく(背景)気になる人向け・タップで開く
ACT(Action Chunking Transformer)は、安価な双腕テレオペ環境ALOHAを使った模倣学習の論文(Zhao et al., 2023)で提案された手法です1。1ステップごとに次の1つの行動だけを予測するのではなく、数ステップ分の行動をまとめて(チャンクとして)予測することで、模倣学習が弱点とする「動きのカクつき」や、学習データにない状態に逸れたときに誤差が累積する共変量シフトを緩和します1。
LeRobotでは、このACTに加えてDiffusion Policy(Diffusion Policy解説)や、SmolVLA・pi-0のようなVLAモデル(VLAモデル解説)も同じlerobot-trainの枠組みで訓練できます。どれも入力は「カメラ画像+関節角度」、出力は「次の行動」という共通の形をしていて、--policy.typeを切り替えるだけで手法を比較できるのがLeRobotの設計の特徴です。
次の一歩 🌸
学習したモデルをさらにVLA基盤モデルで鍛え直したい人はIsaac GR00T入門やSmolVLAのファインチューニングへ。学習と評価を一通り試せたら、動くポートフォリオの作り方でその成果を発信しましょう。
参考資料・出典
- il_robots.mdx: Imitation Learning on Real-World Robots (huggingface/lerobot)ACT訓練コマンド(lerobot-train --policy.type=act)、trackioでの監視、チェックポイントの保存場所・再開方法、Google Colab/Hugging Face Jobsでの学習、lerobot-rolloutによる評価コマンドと実行モード、データ収集のヒントを確認
- huggingface/lerobot (GitHub)LeRobot公式リポジトリ。ACT・Diffusion Policyなど収録手法の一覧を確認
ゆるふわポータルでは、一次情報・公的資料にもとづき、専門用語をできるだけやさしく翻訳することを心がけています。内容に誤りや古い情報がある場合は、お問い合わせからご連絡ください。
執筆:ゆるふわフィジカルAI編集部 最終更新日:2026年11月16日
Footnotes
-
Zhao, T. Z. et al. (2023). "Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware (ALOHA / ACT)." RSS 2023. 安価な双腕テレオペとAction Chunkingで精密操作を学習する手法を提案。 ↩ ↩2 ↩3
-
huggingface/lerobotリポジトリ
docs/source/il_robots.mdx("Imitation Learning on Real-World Robots")。ACT訓練コマンド、trackioによる監視、チェックポイントの保存・再開方法、Google Colab/Hugging Face Jobsでの学習、lerobot-rolloutによる評価コマンドと複数の実行モード、データ収集のヒントを確認。 ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8 ↩9 ↩10
ゆるふわフィジカルAI