# 🤗 Cuadernos de LeRobot

Este repositorio contiene notebooks de ejemplo para usar LeRobot. Estos notebooks demuestran cómo entrenar políticas en conjuntos de datos reales o de simulación utilizando políticas estandarizadas.

---

### Entrenamiento de ACT

[ACT](https://huggingface.co/papers/2304.13705) (Action Chunking Transformer) es una arquitectura de política basada en transformers para el aprendizaje por imitación que procesa estados del robot y entradas de cámara para generar secuencias de acciones suaves y segmentadas.

Proporcionamos un cuaderno de Google Colab listo para ejecutar que te ayudará a entrenar políticas ACT utilizando conjuntos de datos del Hugging Face Hub.

| Notebook                                                                                                | Colab                                                                                                                                                                             |
| :------------------------------------------------------------------------------------------------------ | :-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| [Entrenar ACT con 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) |

Tiempo de entrenamiento esperado para 100k pasos: ~1.5 horas en una GPU NVIDIA A100 con un tamaño de lote de `64`.

### Entrenamiento de SmolVLA

[SmolVLA](https://huggingface.co/papers/2506.01844) es un modelo de Visión-Lenguaje-Acción pequeño pero eficiente. Es compacto en tamaño, con 450 M de parámetros, y ha sido desarrollado por Hugging Face.

Ponemos a tu disposición un cuaderno de Google Colab listo para ejecutar que te ayudará a entrenar políticas de SmolVLA utilizando conjuntos de datos del Hugging Face Hub.

| Notebook                                                                                                        | Colab                                                                                                                                                                                 |
| :-------------------------------------------------------------------------------------------------------------- | :------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ |
| [Entrenar SmolVLA con 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) |

Tiempo de entrenamiento esperado para 20k pasos: ~5 horas en una GPU NVIDIA A100 con un tamaño de lote de `64`.

