本文以'把文具放进笔筒'这一具体任务为例，手把手介绍机械臂模仿学习的完整流程：先通过主臂遥操作从臂完成示范，用 LeRobot 记录摄像头画面、关节状态和动作指令形成数据集；再检查数据质量，用 GR00T 等 VLA 模型训练，让机械臂根据视觉输入自主完成任务。文章还介绍了 Isaac Sim 仿真采集、Cosmos 视频增强、Sim-to-Real 迁移以及 Jetson 边缘部署等进阶内容，涵盖设备接线、软件安装、校准、录制等实操细节，是机器人入门的实用教程。
LeRobot 推出了面向 100 TB 及以上规模机器人数据集的新型 episode 级流式数据加载器，可直接从 Hugging Face 数据集或 Bucket 读取选定的 episode 并准备训练样本，无需完整下载本地视频副本。文章阐述了流式加载器的四大需求：保持 GPU 繁忙、混合 episode、覆盖全部数据、控制内存使用。通过 Parquet 统计信息定位表格数据、MP4 sidecar 索引定位视频帧、在 RAM 中维护压缩视频字节池，并采用锚点采样与预取机制，实现数据集持续增长下的高效训练。
本文面向进入机器人学习领域的机器学习从业者，系统讲解 SO-100 机械臂的控制原理。内容涵盖机械臂的组成（六连杆五关节的伺服电机结构）、通过主从臂遥操作采集演示数据的方法、PID 控制器的工作机制（弹簧-阻尼模型与临界阻尼的推导）、力矩限制带来的非线性行为，以及关节空间与任务空间的表示方法、正运动学（FK）与逆运动学（IK）的原理与挑战。文章也解释了一个反直觉现象：机械臂在臂长范围内无法精确到达 0% 的夹爪位姿。
作者用三周时间从零学习机器人学习（robot learning），从零复现了 ACT 和 Diffusion Policy 两个策略，在 PushT 基准上超越了所有公开的基于图像的 ACT 结果（65.6%），并在 MuJoCo 场景中训练机械臂以 99.95% 的成功率完成摆放酒杯任务。文中分享了超参数调优经验（如 n_action_steps 从 100 降到 16 的显著提升）、单变量实验原则，以及对 Moravec 悖论的切身体会：对人类简单的事情对机器人和 Claude 编程都很困难。作者还使用 Claude 生成 MuJoCo 场景和专家轨迹，发现遥操作可能比脚本化专家轨迹更高效。
