Sa loob ng anim na dekada, gumagana ang industrial robotics sa ilalim ng isang mahigpit na paradigma: isang engineer ang tahasang nagpo-program ng bawat milimetro ng galaw ng makina gamit ang mga proprietary na wika, teach pendant at matigas na kinematic solver. Kapag gumalaw nang limang milimetro ang workpiece o nagbago ang ilaw, nagfa-fault ang robot. Sa Economist Enterprise Physical AI and Robotics Summit sa London noong 13 Oktubre 2026, inilahad ni Pepijn Kooijmans, LeRobot lead sa Hugging Face, ang isang alternatibong arkitektura na gumigiba sa pamanang ito: “Hindi na ipo-program ang mga robot sa hinaharap nang isa-isang gawain. Matututo sila.”
Mula motion planning tungo sa imitation learning: ang pagbabago sa arkitektura #
Sa kanyang case study na Open for business: how open source is accelerating physical AI (Bukas para sa negosyo: paano pinabibilis ng open source ang Physical AI), isinalaysay ni Pepijn Kooijmans ang kanyang paglalakbay mula sa klasikong mechatronics engineering tungo sa deep learning. Sa loob ng mga dekada, sinanay ang mga roboticist na hatiin ang manipulation sa magkakahiwalay na sub-problema: object segmentation, 6D pose estimation, pagbabago ng coordinate frame, trajectory planning na umiiwas sa banggaan, at joint PID motor control.
Bagama’t gumagana ang analitikong paghahating ito sa mga planta ng sasakyan na mahigpit ang fixture, kung saan dumarating ang mga piyesa sa mga bakal na jig na eksakto hanggang micron, bumabagsak ito sa mga brownfield na industrial na kapaligiran, laboratoryo, bodega at tahanan. Sa totoong mundo, nababago ang hugis ng mga bagay, hindi mahuhulaan ang pagre-reflect ng liwanag sa mga ibabaw, at nagdadala ang mga katrabahong tao ng mga gumagalaw na hadlang.
Ang pangunahing tesis ng Hugging Face ay hindi maaaring itakda nang analitiko ang pisikal na kasanayan sa pamamagitan ng mga mano-manong patakaran; kailangan itong makuha mula sa karanasan. Kung paanong natutunan ng malalaking language model (LLM) ang gramatika, pangangatwiran at kaalaman sa mundo sa pamamagitan ng paghula sa susunod na token sa napakalaking korpus ng teksto, natututo ang mga Physical AI agent ng mga kasanayang motor sa pag-aaral ng distribusyon ng mga aksyon batay sa mga visual at sensory na obserbasyon.
Ang paglipat na ito mula sa pagpo-program ng bawat galaw tungo sa pagtuturo sa pamamagitan ng demonstrasyon ng tao ang hudyat ng pagpasok ng robotics sa panahon ng mga foundation model.
Sa loob ng multi-modal na arkitekturang VLA #
Sa kanyang talumpati, inilahad ni Kooijmans ang detalyadong end-to-end na neural network pipeline na nagpapatakbo sa mga modernong open-source na Physical AI policy, at ipinakita kung paano isinasalin ang mga high-dimensional na perceptual input tungo sa maayos na pisikal na manipulation.
.class="img-fluid clearfix"
Gumagana ang arkitektura bilang isang mahigpit na pinagsamang multi-modal na sensorimotor pipeline:
1. Pagtanggap ng perceptual na multi-stream #
Minamasdan ng robot ang workspace nito sa pamamagitan ng ilang naka-synchronize na camera stream (karaniwang isang overhead na base camera para sa spatial na konteksto, kasama ang mga camera na nakakabit sa pulso ng kaliwa at kanang manipulator para sa pinong pagsubaybay sa paghawak).
Ipinapasa ang mga hilaw na pixel stream sa isang frozen na SigLIP (400M parameter) vision transformer, na ginagawang siksik na visual token ang mga video frame nang hindi nangangailangan ng mabigat na end-to-end gradient update sa vision backbone habang fine-tuning ng policy.
2. Kinematic state vector at kondisyon ng gawain #
Kasabay nito, kinukuha ng sistema ang panloob na proprioceptive state ng robot: isang 16-dimensional na vector na naglalaman ng 7 joint angle, mga bilis at lapad ng pagbukas ng gripper ng dalawang manipulator.
Ibinibigay ng user ang layunin sa pamamagitan ng anumang prompt sa natural na wika (halimbawa, "fold the t-shirt", "pick the M8 hex bolt and place it in the bracket" o "route the cable through the conduit"), na tino-tokenize tungo sa karaniwang text embedding.
3. Multi-modal na cross-attention core (Gemma VLM) #
Ipinapasok ang mga visual token, ang proprioceptive state vector at ang mga text token sa isang Gemma Vision-Language Model (2B parameter). Sa halip na basta bumuo ng mga text token, nagsasagawa ang Gemma VLM ng malalim na cross-attention sa tatlong modality, at pinagsasama ang mataas na antas na semantikong layunin ng utos, ang spatial na heometriya ng nakikitang eksena at ang kasalukuyang mekanikal na ayos ng braso.
Ang output ng pinagsamang foundation model na ito ay isang siksik na representasyon ng mga task feature ng VLM na naglalaman ng ano ang dapat gawin kaugnay ng kung saan nakalagay ang mga bagay.
4. Ang Action Expert: flow matching at diffusion policy #
Direktang ipinapasok ang mga feature ng VLM sa isang Action Expert (300M parameter) na gumagana sa prinsipyo ng flow matching. Hindi tulad ng mga naunang imitation learning na umaasa sa simpleng mean squared error (MSE) regression (na nagpapalabas sa model ng karaniwan ng magkakasalungat na demonstrasyon, kaya nag-aalinlangan at natitigilan ang robot), minomodelo ng flow matching ang multi-modal na distribusyon ng mga trajectory ng aksyon ng tao.
Gamit ang mga rectified flow differential equation na nilulutas sa sampung hakbang ng numerical integration, inaalis ng Action Expert ang ingay mula sa Gaussian noise para makabuo ng magkakaugnay na trajectory ng 30 hinaharap na aksyon sa control frequency na 50Hz.
5. Action chunking na may temporal ensembling #
Sa paghula ng 30 magkakasunod na timestep (isang paraang tinatawag na Action Chunking), naaalis ng policy ang mabilis na pagkadyot at ang mga bottleneck sa latency. Isinasagawa ng robot ang unang chunk ng mga aksyon habang kinukwenta sa background ang susunod na plano, kaya nakakamit ang maayos, sumusunod at tuloy-tuloy na galaw na halos biyolohikal.
Teknikal na paghahambing: klasikong automation laban sa open-source na Physical AI #
| Sukatan / vector ng arkitektura | Klasikong industrial robotics (ROS / PLC / teach pendant) | Proprietary at saradong Physical AI (mga humanoid stack ng vendor) | Open-source na Physical AI (stack ng Hugging Face LeRobot) |
|---|---|---|---|
| Paradigma ng pag-develop | Procedural; tahasang joint trajectory at finite state machine | End-to-end na deep learning; saradong weights na black box; nakakandadong cloud API | End-to-end na VLA; bukas na weights, bukas na dataset at bukas na PyTorch training loop |
| Hadlang sa hardware para makapasok | £30,000 hanggang £100,000+ bawat industrial arm (KUKA, FANUC, ABB) | £150,000 hanggang £350,000+ bawat proprietary na humanoid unit | Mula wala pang $200 hanggang $1,500 gamit ang mga open-hardware design na nai-3D-print (SO-100, Koch) |
| Katatagan sa kapaligiran | Agad na pumapalya kapag gumalaw nang ilang milimetro ang coordinate ng piyesa | Mataas ang pag-angkop, pero hindi masuri o ma-patch nang lokal ang asal | Mataas ang visual na pag-angkop; maaaring i-fine-tune nang lokal ang mga policy sa mga edge node sa sahig ng pabrika |
| Format ng data at telemetry | Mga proprietary na binary format at PLC register na nakatali sa vendor | Proprietary at naka-encrypt na cloud telemetry | Standardisadong Apache Parquet dataset, MP4 video stream at Hugging Face Hub |
| Paglalahat sa mga gawain | Wala; bawat bagong heometriya ng piyesa ay nangangailangan ng buong manwal na reprogramming | Malawak ang pangako sa mga gawain, pero mabagal umangkop sa espesyal na industrial tooling | Mabilis na pag-angkop sa 50 hanggang 100 demonstrasyon ng tao na nire-record gamit ang leader-follower rig |
| Hardware para sa inference | Nakalaang PLC o industrial IPC na nagpapatakbo ng real-time Linux | Malalaking mobile GPU cluster sa loob ng robot na kumukonsumo ng 300W hanggang 800W | Tumatakbo ang inference sa consumer na edge silicon (isang RTX 4070 o Apple Silicon M-series) |
Pinagmulan: Pagsusuri ng datos ng presentasyon, mga teknikal na benchmark at mga live na demonstrasyon sa Economist Enterprise Physical AI and Robotics Summit (Convene 200 Aldersgate, London, 13 Oktubre 2026).
Ano ang ibig sabihin nito sa bawat sektor #
Binabago ng pag-usbong ng bukas at pinapatakbo ng komunidad na Physical AI ang komersyal na kalkulasyon sa maraming industriya.
Maliliit at katamtamang negosyo (SME) #
Ang mga SME ay bumubuo ng mahigit 80% ng kapasidad sa manufacturing ng Europa at UK, pero noon ay wala pang 5% ang kayang magpa-automate. Ang pag-deploy ng isang industrial automation cell ay nangangailangan ng pag-upa ng mga espesyalistang systems integrator, pagbabayad ng software license na anim na digit, at pagpapahinto sa sahig ng pabrika habang nag-i-install.
Sa ecosystem ng LeRobot, ang isang SME na gumagawa ng espesyal na precision bracket ay maaaring mag-3D-print ng dual-arm na SO-100 workstation sa halagang wala pang £500, lagyan ito ng £40 na USB webcam, at mag-record ng limampung demonstrasyon ng isang manggagawang naglalagay ng piyesa sa CNC milling machine gamit ang nai-3D-print na leader arm. Sa loob ng tatlong oras ng fine-tuning sa isang karaniwang desktop computer, kaya na ng open-source na policy na patakbuhin nang mag-isa ang gawaing machine tending, at nababawi ang gastos sa loob ng ilang linggo.
Akademikong pananaliksik at mas mataas na edukasyon #
Hanggang kamakailan, may malalim na hati ang mga departamento ng robotics sa mga unibersidad: kayang bumili ng mga laboratoryong may malaking pondo ng mga platform ng Boston Dynamics o Willow Garage, samantalang limitado ang mas maliliit na institusyon sa purong simulation sa Gazebo o MuJoCo.
Dinemokratisa ng open-source na Physical AI ang pisikal na eksperimento. Sa buong mundo, makakabuo ang mga graduate student ng magkakaparehong hardware platform, makapagbabahagi ng mga trained policy checkpoint sa Hugging Face Hub, at makauulit ng mga benchmark result nang may estadistikong higpit. Binigyang-diin ni Kooijmans na lumago ang repository ng LeRobot mula sa ilang Europeong contributor tungo sa libu-libong aktibong roboticist sa buong mundo sa loob lamang ng ilang buwan, patunay na mas pinabibilis ng bukas na access ang empirikal na pagpapatunay kaysa sa mga saradong silo ng korporasyon.
High-mix, low-volume na contract assembly #
Sa assembly ng electronics at medical device, linggo-linggo nagbabago ang mga variant ng produkto. Hindi sulit sa ekonomiya ang mga hardcoded na automation line dahil mas malaki ang gastos sa retooling at reprogramming kaysa sa tubo ng production run.
Nalulutas ng mga vision-language-action policy ang limitasyong ito sa pamamagitan ng pagtatakda ng gawain sa natural na wika. Maaaring baguhin ng operator ang proseso ng assembly sa pag-type lamang ng bagong utos o sa pagpapakita ng dalawang ulit ng bagong sub-assembly. Ginagamit ng mga mekanismong cross-attention ng model ang mga pre-trained na visual representation para makilala ang mga bagong piyesa nang hindi muling tine-train ang buong neural network.
Paggiba sa pader ng data: teleoperation, Parquet at world models #
Ang pangunahing aral na ibinigay ni Kooijmans sa mga lider ng negosyo ay hindi na kapasidad ng model ang pangunahing bottleneck ng Physical AI; ito ay ang pagkakaiba-iba ng mga demonstrasyon.
Sa natural language processing, sinanay ang mga model sa trilyun-trilyong token na kinuha mula sa bukas na web. Sa pisikal na robotics, walang umiiral na “internet ng pisikal na manipulation”. Bawat demonstrasyon ng gripper na pumupulot ng bagay, umiikot ng balbula o nagtutupi ng tela ay kailangang i-record sa pisikal na mundo sa pamamagitan ng teleoperation na may mga sensor.
Hinaharap ng Hugging Face LeRobot ang hamong ito sa tatlong pangunahing inisyatiba:
- Mga leader-follower teleoperation rig: Sa paggawa ng murang nai-3D-print na passive na “leader” arm na may magnetic encoder na mekanikal na sumasalamin sa aktibong “follower” na robot, madaling mapapatakbo ng mga operator ang robot nang real time, habang sabay-sabay na nire-record ang mga joint angle, bilis at multi-view na video.
- Mga standardisadong Parquet dataset schema: Ibinabalot ang mga demonstrasyon sa standardisado at mabibilis na Apache Parquet table na naka-map sa mga naka-chunk na MP4 video feed. Dahil dito, napoproseso ng mga karaniwang tool sa data engineering (Polars, DuckDB, PyArrow) ang terabyte-terabyteng robotic telemetry nang mabilis.
- Sim-to-real at pagpapalawak gamit ang world model: Para lumampas sa mga limitasyon ng pisikal na teleoperation, natututo ang mga open-source na world model ng generative na pisikal na dinamika. Kapag na-train na sa isang pangunahing dataset ng mga real-world na demonstrasyon, sumi-simulate ang mga world model ng milyun-milyong counterfactual na senaryo (iba-ibang ilaw, dagdag na kalat, ibang friction ng mesa) nang direkta sa latent space, at sinusubok nang husto ang mga policy bago i-deploy sa totoong mundo.
Konklusyon #
Pinatingkad ng presentasyon ng Hugging Face LeRobot sa Economist Enterprise Physical AI and Robotics Summit ang isang mapagpasyang punto ng pagbabago sa industriya ng robotics. Ang panahong nangangailangan ang robotics ng badyet na milyun-milyong pound, ng mga proprietary na wika sa pagpo-program at ng matitigas na kulungan sa pabrika ay napapalitan na ng isang bukas, kolaboratibo at data-driven na ecosystem.
Sa pagsasama ng mga multi-modal na vision-language foundation model, ng flow-matching action chunking at ng abot-kayang bukas na hardware, ginagawang adaptibo at natututong sistema ng open-source na Physical AI ang mga robot na dati ay marurupok na automata. Para sa mga lider ng engineering at mga executive sa teknolohiya, malinaw ang estratehikong utos: hindi na magmumula ang kalamangan sa kompetisyon sa pagmamay-ari ng proprietary na mekanikal na hardware, kundi sa pagkabihasa sa mga data pipeline, sa mga workflow ng pagkolekta ng demonstrasyon at sa mga foundation model na nagtuturo sa mga makina na maging bihasa sa pisikal na mundo.
Mga Madalas Itanong #
Ano ang Hugging Face LeRobot? Ang Hugging Face LeRobot ay isang open-source na framework at inisyatiba ng komunidad na layong gawing abot-kaya ng lahat ang robotics at Physical AI. Nagbibigay ito ng mga implementasyon sa PyTorch ng pinakabagong imitation learning algorithm, mga standardisadong format ng dataset, mga pre-trained na Vision-Language-Action (VLA) foundation model, at mga open-source na hardware design (gaya ng SO-100) para pababain ang pinansiyal at teknikal na hadlang sa robotics.
Paano naiiba ang imitation learning sa klasikong pagpo-program ng robot? Sa klasikong pagpo-program ng robot, kailangang sumulat ang engineer ng tahasang procedural code na nagtatakda ng eksaktong Cartesian coordinate, mga solusyon sa inverse kinematics at mga state transition gamit ang teach pendant o ROS script. Ang imitation learning naman ay nagsasanay ng mga neural network na gayahin ang asal ng tao sa pagmamasid sa mga naka-record na demonstrasyon ng mga taong gumagawa ng gawain sa pamamagitan ng teleoperation, at natututo ng policy na direktang nagmamapa ng mga sensory na obserbasyon sa mga utos sa motor.
Ano ang papel ng Gemma VLM sa Physical AI pipeline? Sa mga modernong arkitektura ng Physical AI, ang Gemma Vision-Language Model (VLM) ang nagsisilbing multi-modal na makina ng pangangatwiran. Tumatanggap ito ng mga visual token mula sa mga camera (na naka-encode sa SigLIP), ng pisikal na joint state vector ng robot, at ng mga utos sa natural na wika. Gamit ang cross-attention, pinagsasama nito ang semantikong layunin at ang visual na heometriya para makabuo ng mataas na antas na representasyon ng gawain na gumagabay sa action expert.
Ano ang flow matching sa paghula ng aksyon ng robot? Ang flow matching ay isang generative na teknik sa pagmomodelo na kaugnay ng continuous normalizing flows at ng mga diffusion model. Sa robotics, ginagawa nitong kumplikado at multi-modal na trajectory ng aksyon ang simpleng Gaussian noise sa paglutas ng mga ordinary differential equation sa maraming hakbang. Dahil dito, kaya ng robot ang mga malabong sitwasyon na may ilang wastong galaw, at naiiwasan ang mga artifact ng pag-a-average na nagpapapalya sa mas simpleng regression model.
Kaya ba ng mga nai-3D-print na robot arm na wala pang $200 ang mga gawaing pang-produksyon? Bagama’t kulang ang mga arm na wala pang $200 gaya ng SO-100 sa kapasidad sa bigat, tibay ng istruktura at sub-milimetrong repeatability na kailangan sa mabigat na machining sa aerospace, lubos nilang kaya ang maselang manipulation, inspeksiyon, paghawak ng likido sa laboratoryo at kitting ng maliliit na piyesa. Higit pa rito, ang mga policy na na-train at napatunayan sa mga murang platform na ito ay maaaring direktang ilipat sa mga industrial-grade na collaborative robot arm nang may kaunting fine-tuning.
Mga Sanggunian #
- Economist Enterprise, (2026). Physical AI & Robotics Summit: operasyonal na kalamangan sa pamamagitan ng mga autonomous system ⧉. Economist Enterprise.
- Kooijmans, P., (2026). Open for business: paano pinabibilis ng open source ang Physical AI ⧉. Hugging Face.
- Hugging Face, (2026). LeRobot: pinakabagong machine learning para sa robotics sa totoong mundo gamit ang PyTorch ⧉. GitHub.
- Chi, C., Xu, Z., Feng, S., Cousineau, E., Du, Y., Burchfiel, B., at Song, S., (2024). Diffusion Policy: pagkatuto ng visuomotor policy sa pamamagitan ng action diffusion ⧉. Columbia University at MIT.
- Zhao, T. Z., Kumar, V., Levine, S., at Finn, C., (2023). Pagkatuto ng pinong bimanual na manipulation gamit ang murang hardware ⧉. Stanford University.
- Zhai, X., Mustafa, B., Kolesnikov, A., at Beyer, L., (2023). Sigmoid loss para sa language image pre-training (SigLIP) ⧉. Google DeepMind.
- Lipman, Y., Chen, R. T. Q., Ben-Hamu, H., Nicklas, M., at Le, M., (2023). Flow matching para sa generative modeling ⧉. Meta AI Research.
Huling sinuri .
Huling sinuri .
I-cross-post ang artikulong ito
Kopyahin ang format para sa Medium
# Open-source na Physical AI: LeRobot at ang demokratisasyon ng robotics — Sebastien Rousseau > Originally published at [https://sebastienrousseau.com/fil/2026-10-13-open-source-physical-ai-lerobot-demokratisasyon/](https://sebastienrousseau.com/fil/2026-10-13-open-source-physical-ai-lerobot-demokratisasyon/) Sa summit ng Economist Enterprise sa London, ipinakita ni Pepijn Kooijmans kung paano binubuksan ng LeRobot, open-source na VLA model at $200 na hardware ang robotics. Read the full article on sebastienrousseau.com: https://sebastienrousseau.com/fil/2026-10-13-open-source-physical-ai-lerobot-demokratisasyon/
Kopyahin ang format para sa Mastodon
Open-source na Physical AI: LeRobot at ang demokratisasyon ng robotics — Sebastien Rousseau Sa summit ng Economist Enterprise sa London, ipinakita ni Pepijn Kooijmans kung paano binubuksan ng LeRobot, open-source na VLA model at $200 na hardware ang robotics. https://sebastienrousseau.com/fil/2026-10-13-open-source-physical-ai-lerobot-demokratisasyon/
Kopyahin na naka-format para sa LinkedIn
Open-source na Physical AI: LeRobot at ang demokratisasyon ng robotics — Sebastien Rousseau Sa summit ng Economist Enterprise sa London, ipinakita ni Pepijn Kooijmans kung paano binubuksan ng LeRobot, open-source na VLA model at $200 na hardware ang robotics. Narito ang mga pangunahing estratehikong aral: - Mula motion planning tungo sa imitation learning: ang pagbabago sa arkitektura. Sa kanyang case study na Open for business: how open source is accelerating physical AI (Bukas para sa negosyo: paano pinabibilis ng open source ang Physical AI), isinalaysay ni Pepijn Kooijmans ang kanyang… - Sa loob ng multi-modal na arkitekturang VLA. Sa kanyang talumpati, inilahad ni Kooijmans ang detalyadong end-to-end na neural network pipeline na nagpapatakbo sa mga modernong open-source na Physical AI policy, at ipinakita kung paano isinasalin ang mga… - Teknikal na paghahambing: klasikong automation laban sa open-source na Physical AI. Pinagmulan: Pagsusuri ng datos ng presentasyon, mga teknikal na benchmark at mga live na demonstrasyon sa Economist Enterprise Physical AI and Robotics Summit (Convene 200 Aldersgate, London, 13 Oktubre 2026). - Ano ang ibig sabihin nito sa bawat sektor. Binabago ng pag-usbong ng bukas at pinapatakbo ng komunidad na Physical AI ang komersyal na kalkulasyon sa maraming industriya. Ano ang diskarte ng inyong organisasyon sa mga hamon na tinukoy sa piraso na ito? → https://sebastienrousseau.com/fil/2026-10-13-open-source-physical-ai-lerobot-demokratisasyon/ #HuggingFaceLerobot #PepijnKooijmans #PhysicalAi #OpenSourceNaRobotics #ImitationLearning Sebastien Rousseau | CC-BY-4.0
Sipiin ang artikulong ito
Open-source na Physical AI: LeRobot at ang demokratisasyon ng robotics — Sebastien Rousseau
Sa summit ng Economist Enterprise sa London, ipinakita ni Pepijn Kooijmans kung paano binubuksan ng LeRobot, open-source na VLA model at $200 na hardware ang robotics.
BibTeX
@online{rousseau2026open,
author = {Rousseau, Sebastien},
title = {{Open-source na Physical AI: LeRobot at ang demokratisasyon ng robotics — Sebastien Rousseau}},
year = {2026},
url = {https://sebastienrousseau.com/fil/2026-10-13-open-source-physical-ai-lerobot-demokratisasyon/},
urldate = {2026}
}RIS
TY - GEN AU - Rousseau, Sebastien TI - Open-source na Physical AI: LeRobot at ang demokratisasyon ng robotics — Sebastien Rousseau PY - 2026 UR - https://sebastienrousseau.com/fil/2026-10-13-open-source-physical-ai-lerobot-demokratisasyon/ ER -
Vancouver
Rousseau S. Open-source na Physical AI: LeRobot at ang demokratisasyon ng robotics — Sebastien Rousseau. sebastienrousseau.com. 2026 Oct 13. Available from: https://sebastienrousseau.com/fil/2026-10-13-open-source-physical-ai-lerobot-demokratisasyon/
Chicago
Rousseau, Sebastien. "Open-source na Physical AI: LeRobot at ang demokratisasyon ng robotics — Sebastien Rousseau." sebastienrousseau.com. October 13, 2026. https://sebastienrousseau.com/fil/2026-10-13-open-source-physical-ai-lerobot-demokratisasyon/.
APA
Rousseau, S. (2026, October 13). Open-source na Physical AI: LeRobot at ang demokratisasyon ng robotics — Sebastien Rousseau. sebastienrousseau.com. https://sebastienrousseau.com/fil/2026-10-13-open-source-physical-ai-lerobot-demokratisasyon/
Muling i-publish ang artikulong ito
Open-source na Physical AI: LeRobot at ang demokratisasyon ng robotics — Sebastien Rousseau
Sa summit ng Economist Enterprise sa London, ipinakita ni Pepijn Kooijmans kung paano binubuksan ng LeRobot, open-source na VLA model at $200 na hardware ang robotics.
Ang artikulong ito ay nakapailalim sa lisensya ng Creative Commons Attribution 4.0 International. Kailangan ng pagkilala sa canonical URL para sa muling pag-publish.
Open-source na Physical AI: LeRobot at ang demokratisasyon ng robotics — Sebastien Rousseau Sa summit ng Economist Enterprise sa London, ipinakita ni Pepijn Kooijmans kung paano binubuksan ng LeRobot, open-source na VLA model at $200 na hardware ang robotics. Originally published at https://sebastienrousseau.com/fil/2026-10-13-open-source-physical-ai-lerobot-demokratisasyon/ by Sebastien Rousseau. Licensed under CC-BY-4.0.