Fysisk AI med öppen källkod: så demokratiserar LeRobot robotiken

I sex decennier har industrirobotiken styrts av ett obarmhärtigt paradigm: en mänsklig ingenjör programmerar uttryckligen varje millimeter av maskinens rörelse med proprietära språk, programmeringsdosor och stela kinematiska lösare. Om ett arbetsstycke förskjuts fem millimeter eller ljusförhållandena ändras går roboten i fel. På Economist Enterprise Physical AI and Robotics Summit i London den 13 oktober 2026 presenterade Pepijn Kooijmans, ansvarig för LeRobot på Hugging Face, en alternativ arkitektur som håller på att montera ned detta arv: ”Framtidens robotar kommer inte att programmeras uppgift för uppgift. De kommer att lära sig.”

Från rörelseplanering till imitationsinlärning: arkitekturskiftet #

I sin fallstudiepresentation, Open for business: how open source is accelerating physical AI (Öppet för affärer: hur öppen källkod påskyndar fysisk AI), beskrev Pepijn Kooijmans sin väg från klassisk mekatronik till djupinlärning. I årtionden utbildades robotiker i att dela upp manipulation i separata, isolerade delproblem: objektsegmentering, 6D-positionsuppskattning, transformationer mellan koordinatsystem, banplanering med kollisionsundvikande och PID-styrning av ledmotorer.

Den analytiska uppdelningen fungerar bra i strikt fixerade bilfabriker där delarna anländer i mikronprecisa stålfixturer, men den rasar samman i befintliga industrimiljöer, laboratorier, lager och hem. I den verkliga världen deformeras föremål, ytor reflekterar ljus oförutsägbart och mänskliga medarbetare skapar rörliga hinder.

Hugging Face grundtes är att fysisk fingerfärdighet inte kan specificeras analytiskt genom handskrivna regler; den måste förvärvas genom erfarenhet. Precis som stora språkmodeller (LLM) lärde sig grammatik, resonemang och världskunskap genom att förutsäga nästa token i enorma textkorpusar, förvärvar fysiska AI-agenter motoriska färdigheter genom att lära sig fördelningen av handlingar betingad på visuella och sensoriska observationer.

Övergången från att programmera varje rörelse till att lära ut genom mänsklig demonstration markerar robotikens inträde i grundmodellernas era.

Inuti den multimodala VLA-arkitekturen #

Under sitt föredrag visade Kooijmans i detalj det neurala nätverk från ände till ände som driver moderna policyer för fysisk AI med öppen källkod, och illustrerade hur högdimensionella perceptuella indata översätts till smidig fysisk manipulation.

.class="img-fluid clearfix"

Arkitekturen fungerar som en tätt integrerad multimodal sensomotorisk kedja:

1. Perceptuell intagning i flera strömmar #

Roboten observerar sin arbetsyta genom flera synkroniserade kameraströmmar (vanligtvis en basmonterad kamera ovanifrån som ger rumsligt sammanhang, tillsammans med handledsmonterade kameror på vänster och höger manipulator för detaljerad kontaktspårning).

De råa pixelströmmarna skickas in i en fryst SigLIP (400M parametrar) vision transformer, som omvandlar videobilderna till täta visuella token utan att kräva beräkningsmässigt orimliga gradientuppdateringar genom hela synryggraden under finjusteringen av policyn.

2. Kinematisk tillståndsvektor och uppgiftsbetingning #

Samtidigt samplar systemet robotens interna proprioceptiva tillstånd: en 16-dimensionell vektor som fångar de 7 ledvinklarna, hastigheterna och gripöppningarna hos de två manipulatorerna.

Användaren anger det operativa målet i en valfri instruktion på naturligt språk (till exempel "fold the t-shirt", "pick the M8 hex bolt and place it in the bracket" eller "route the cable through the conduit"), som omvandlas till vanliga textinbäddningar.

3. Multimodal kärna med korsuppmärksamhet (Gemma VLM) #

De visuella tokenen, den proprioceptiva tillståndsvektorn och texttokenen matas in i en Gemma-vision-språkmodell (2B parametrar). I stället för att bara generera texttoken utför Gemma VLM djup korsuppmärksamhet över alla tre modaliteterna och förenar språkinstruktionens övergripande semantiska avsikt med den visuella scenens rumsliga geometri och armens momentana mekaniska konfiguration.

Resultatet från den sammanslagna grundmodellen är en tät representation av uppgiftsdrag från VLM:en som fångar vad som ska göras i förhållande till var föremålen befinner sig.

4. Action Expert: flow matching och diffusionspolicyer #

VLM-dragen matas direkt in i en Action Expert (300M parametrar) som bygger på flow matching. Till skillnad från tidiga metoder för imitationsinlärning som förlitade sig på naiv regression med medelkvadratfel (MSE), vilket får modeller att ge medelvärdet av motstridiga demonstrationer och leder till obeslutsamma, frusna robotar, modellerar flow matching den multimodala fördelningen av mänskliga rörelsebanor.

Med rektifierade flödesdifferentialekvationer som löses i tio numeriska integrationssteg avbrusar Action Expert gaussiskt brus till en sammanhängande bana av 30 framtida åtgärder med en styrfrekvens på 50 Hz.

5. Action chunking med temporal ensemblering #

Genom att förutsäga 30 på varandra följande tidssteg (en metod som kallas action chunking) eliminerar policyn högfrekventa ryck och latensflaskhalsar. Roboten utför det första blocket av åtgärder medan den beräknar nästa plan i bakgrunden, vilket ger mjuka, följsamma och kontinuerliga rörelser av biologisk kvalitet.

Teknisk jämförelse: klassisk automation mot fysisk AI med öppen källkod #

Källa: Analys av presentationsdata, tekniska riktmärken och livedemonstrationer på Economist Enterprise Physical AI and Robotics Summit (Convene 200 Aldersgate, London, 13 oktober 2026).

Vad det betyder per sektor #

Framväxten av öppen, gemenskapsdriven fysisk AI förändrar den kommersiella kalkylen i flera branscher.

Små och medelstora företag (SMF) #

SMF står för över 80 % av tillverkningskapaciteten i Europa och Storbritannien, men historiskt har färre än 5 % haft råd med automation. Att införa en industriell automationscell krävde specialiserade systemintegratörer, sexsiffriga licensavgifter för programvara och stillastående fabriksgolv under installationen.

Med LeRobot-ekosystemet kan ett SMF som tillverkar skräddarsydda precisionsfästen 3D-skriva ut en tvåarmad SO-100-arbetsstation för under 500 £, utrusta den med USB-webbkameror för 40 £ och spela in femtio demonstrationer av en arbetare som laddar delar i en CNC-fräsmaskin med hjälp av en 3D-utskriven ledararm. Efter tre timmars finjustering på en vanlig stationär dator kan den öppna policyn sköta maskinbetjäningen självständigt, med återbetalning inom några veckor.

Akademisk forskning och högre utbildning #

Fram till nyligen stod universitetens robotikinstitutioner inför en existentiell klyfta: välfinansierade laboratorier hade råd med plattformar från Boston Dynamics eller Willow Garage, medan mindre lärosäten var hänvisade till rena simuleringar i Gazebo eller MuJoCo.

Fysisk AI med öppen källkod har demokratiserat de fysiska experimenten. Forskarstuderande världen över kan bygga identiska hårdvaruplattformar, dela tränade policykontrollpunkter på Hugging Face Hub och reproducera riktmärkesresultat med statistisk stringens. Kooijmans framhöll att LeRobot-arkivet växte från en handfull europeiska bidragsgivare till tusentals aktiva robotiker världen över inom några månader, vilket visar att öppen tillgång påskyndar empirisk validering snabbare än företagens slutna silor.

Kontraktsmontering med hög variation och låga volymer #

Inom montering av elektronik och medicintekniska produkter ändras produktvarianterna varje vecka. Hårdkodade automationslinjer är ekonomiskt ohållbara eftersom kostnaderna för omställning och omprogrammering överstiger produktionsseriens vinstmarginal.

Policyer för syn, språk och handling löser denna begränsning genom uppgiftsbetingning på naturligt språk. En operatör kan ändra monteringsproceduren genom att helt enkelt skriva ett nytt kommando eller demonstrera två omgångar av den nya delmonteringen. Modellens mekanismer för korsuppmärksamhet utnyttjar förtränade visuella representationer för att känna igen nya komponenter utan att hela det neurala nätverket behöver tränas om.

Att bryta datamuren: fjärrstyrning, Parquet och världsmodeller #

Den centrala insikt Kooijmans gav företagsledarna är att fysisk AI:s främsta flaskhals inte längre är modellkapacitet, utan mångfalden i demonstrationerna.

Inom språkteknologi tränades modellerna på biljoner token som hämtats från den öppna webben. Inom fysisk robotik finns inget befintligt ”internet för fysisk manipulation”. Varje demonstration av en gripare som plockar ett föremål, vrider en ventil eller viker tyg måste spelas in i den fysiska världen genom sensorförsedd fjärrstyrning.

Hugging Face LeRobot tar sig an utmaningen genom tre centrala initiativ:

1. Riggar för ledar-följar-fjärrstyrning: Genom billiga 3D-utskrivna passiva ”ledar”-armar med magnetiska givare som mekaniskt speglar den aktiva ”följar”-roboten kan mänskliga operatörer utan ansträngning fjärrstyra roboten i realtid och samtidigt spela in ledvinklar, hastigheter och video från flera vinklar.
2. Standardiserade datasetscheman i Parquet: Demonstrationerna paketeras i standardiserade, högpresterande Apache Parquet-tabeller kopplade till uppdelade MP4-videoflöden. Det gör att vanliga datatekniska verktyg (Polars, DuckDB, PyArrow) kan bearbeta terabyte av robottelemetri i hög hastighet.
3. Sim-to-real och förstärkning med världsmodeller: För att skala bortom gränserna för fysisk fjärrstyrning lär sig världsmodeller med öppen källkod generativ fysisk dynamik. När de väl tränats på ett kärndataset av verkliga demonstrationer simulerar världsmodellerna miljontals kontrafaktiska scenarier (varierad belysning, tillfört stök, ändrad bordsfriktion) direkt i det latenta rummet och stresstestar policyer före driftsättning i verkligheten.

Slutsats #

Presentationen av Hugging Face LeRobot på Economist Enterprise Physical AI and Robotics Summit kristalliserade en avgörande brytpunkt för robotikbranschen. Eran då robotik krävde kapitalbudgetar på flera miljoner pund, proprietära programmeringsspråk och stela fabriksburar ger vika för ett öppet, samarbetsinriktat och datadrivet ekosystem.

Genom att förena multimodala grundmodeller för syn och språk med action chunking baserad på flow matching och prisvärd öppen hårdvara förvandlar fysisk AI med öppen källkod robotar från sköra automater till anpassningsbara, lärande system. För tekniska ledare och teknikchefer är det strategiska uppdraget entydigt: konkurrensfördelar kommer inte längre från att äga proprietär mekanisk hårdvara, utan från att behärska de datakedjor, arbetsflöden för insamling av demonstrationer och grundmodeller som lär maskiner att bemästra den fysiska världen.

Vanliga frågor #

Vad är Hugging Face LeRobot? Hugging Face LeRobot är ett ramverk med öppen källkod och ett gemenskapsinitiativ som syftar till att demokratisera robotik och fysisk AI. Det erbjuder PyTorch-baserade implementationer av de främsta algoritmerna för imitationsinlärning, standardiserade datasetformat, förtränade grundmodeller för syn, språk och handling (VLA) och hårdvarukonstruktioner med öppen källkod (som SO-100) för att sänka de ekonomiska och tekniska trösklarna till robotik.

Hur skiljer sig imitationsinlärning från klassisk robotprogrammering? Klassisk robotprogrammering kräver att en ingenjör skriver uttrycklig procedurkod som anger exakta kartesiska koordinater, lösningar för invers kinematik och tillståndsövergångar med programmeringsdosor eller ROS-skript. Imitationsinlärning tränar i stället neurala nätverk att efterlikna mänskligt beteende genom att observera inspelade demonstrationer där människor utför uppgiften via fjärrstyrning, och lär sig en policy som kopplar sensoriska observationer direkt till motorkommandon.

Vilken roll spelar Gemma VLM i kedjan för fysisk AI? I moderna arkitekturer för fysisk AI fungerar Gemma-vision-språkmodellen (VLM) som den multimodala resonemangsmotorn. Den tar emot visuella token från kamerorna (kodade med SigLIP), robotens fysiska ledtillståndsvektor och instruktioner på naturligt språk. Med korsuppmärksamhet förenar den semantisk avsikt med visuell geometri och skapar uppgiftsrepresentationer på hög nivå som vägleder Action Expert.

Vad är flow matching i förutsägelse av robotåtgärder? Flow matching är en generativ modelleringsteknik som är besläktad med kontinuerliga normaliserande flöden och diffusionsmodeller. Inom robotik omvandlar den enkelt gaussiskt brus till komplexa, multimodala rörelsebanor genom att lösa ordinära differentialekvationer i flera steg. Det gör att roboten kan hantera tvetydiga situationer där flera giltiga rörelser finns och undvika de medelvärdesartefakter som får enklare regressionsmodeller att misslyckas.

Kan 3D-utskrivna robotarmar för under 200 USD utföra uppgifter på produktionsnivå? Armar för under 200 USD som SO-100 saknar visserligen den lastkapacitet, strukturella styvhet och repeterbarhet under millimetern som krävs för tung flygindustriell bearbetning, men de klarar fullt ut känslig manipulation, inspektion, vätskehantering i laboratorier och plockning av smådelar. Ännu viktigare är att policyer som tränats och validerats på dessa billiga plattformar kan överföras direkt till samarbetande robotarmar av industriell kvalitet med minimal finjustering.

Källor #

• Economist Enterprise, (2026). Physical AI & Robotics Summit: operativa fördelar genom autonoma system ⧉. Economist Enterprise.
• Kooijmans, P., (2026). Öppet för affärer: hur öppen källkod påskyndar fysisk AI ⧉. Hugging Face.
• Hugging Face, (2026). LeRobot: maskininlärning i framkant för verklig robotik i PyTorch ⧉. GitHub.
• Chi, C., Xu, Z., Feng, S., Cousineau, E., Du, Y., Burchfiel, B. och Song, S., (2024). Diffusion Policy: visuomotorisk policyinlärning via handlingsdiffusion ⧉. Columbia University & MIT.
• Zhao, T. Z., Kumar, V., Levine, S. och Finn, C., (2023). Inlärning av finkornig tvåhandsmanipulation med billig hårdvara ⧉. Stanford University.
• Zhai, X., Mustafa, B., Kolesnikov, A. och Beyer, L., (2023). Sigmoidförlust för förträning på språk och bild (SigLIP) ⧉. Google DeepMind.
• Lipman, Y., Chen, R. T. Q., Ben-Hamu, H., Nicklas, M. och Le, M., (2023). Flow matching för generativ modellering ⧉. Meta AI Research.

Senast granskad 2026-10-13.

Senast granskad 2026-10-27.

# Fysisk AI med öppen källkod: så demokratiserar LeRobot robotiken — Sebastien Rousseau

> Originally published at [https://sebastienrousseau.com/sv/2026-10-13-fysisk-ai-oppen-kallkod-sa-demokratiserar/](https://sebastienrousseau.com/sv/2026-10-13-fysisk-ai-oppen-kallkod-sa-demokratiserar/)

På Economists toppmöte om fysisk AI i London visade Pepijn Kooijmans hur LeRobot, öppna grundmodeller och robotarmar för under 200 USD sänker trösklarna i robotik.

Read the full article on sebastienrousseau.com: https://sebastienrousseau.com/sv/2026-10-13-fysisk-ai-oppen-kallkod-sa-demokratiserar/

Fysisk AI med öppen källkod: så demokratiserar LeRobot robotiken — Sebastien Rousseau

På Economists toppmöte om fysisk AI i London visade Pepijn Kooijmans hur LeRobot, öppna grundmodeller och robotarmar för under 200 USD sänker trösklarna i robotik.

https://sebastienrousseau.com/sv/2026-10-13-fysisk-ai-oppen-kallkod-sa-demokratiserar/

Fysisk AI med öppen källkod: så demokratiserar LeRobot robotiken — Sebastien Rousseau

På Economists toppmöte om fysisk AI i London visade Pepijn Kooijmans hur LeRobot, öppna grundmodeller och robotarmar för under 200 USD sänker trösklarna i robotik.

Här är de viktigaste strategiska lärdomarna:

- Från rörelseplanering till imitationsinlärning: arkitekturskiftet. I sin fallstudiepresentation, Open for business: how open source is accelerating physical AI (Öppet för affärer: hur öppen källkod påskyndar fysisk AI), beskrev Pepijn Kooijmans sin väg från klassisk mekatronik till…
- Inuti den multimodala VLA-arkitekturen. Under sitt föredrag visade Kooijmans i detalj det neurala nätverk från ände till ände som driver moderna policyer för fysisk AI med öppen källkod, och illustrerade hur högdimensionella perceptuella indata översätts…
- Teknisk jämförelse: klassisk automation mot fysisk AI med öppen källkod. Källa: Analys av presentationsdata, tekniska riktmärken och livedemonstrationer på Economist Enterprise Physical AI and Robotics Summit (Convene 200 Aldersgate, London, 13 oktober 2026).
- Vad det betyder per sektor. Framväxten av öppen, gemenskapsdriven fysisk AI förändrar den kommersiella kalkylen i flera branscher.

Hur hanterar din organisation de utmaningar som beskrivs i denna artikel?

→ https://sebastienrousseau.com/sv/2026-10-13-fysisk-ai-oppen-kallkod-sa-demokratiserar/

#HuggingFaceLerobot #PepijnKooijmans #FysiskAi #RobotikMedÖppenKällkod #Imitationsinlärning

Sebastien Rousseau | CC-BY-4.0

@online{rousseau2026fysisk,
  author  = {Rousseau, Sebastien},
  title   = {{Fysisk AI med öppen källkod: så demokratiserar LeRobot robotiken — Sebastien Rousseau}},
  year    = {2026},
  url     = {https://sebastienrousseau.com/sv/2026-10-13-fysisk-ai-oppen-kallkod-sa-demokratiserar/},
  urldate = {2026}
}

TY  - GEN
AU  - Rousseau, Sebastien
TI  - Fysisk AI med öppen källkod: så demokratiserar LeRobot robotiken — Sebastien Rousseau
PY  - 2026
UR  - https://sebastienrousseau.com/sv/2026-10-13-fysisk-ai-oppen-kallkod-sa-demokratiserar/
ER  -

Rousseau S. Fysisk AI med öppen källkod: så demokratiserar LeRobot robotiken — Sebastien Rousseau. sebastienrousseau.com. 2026 Oct 13. Available from: https://sebastienrousseau.com/sv/2026-10-13-fysisk-ai-oppen-kallkod-sa-demokratiserar/

Rousseau, Sebastien. "Fysisk AI med öppen källkod: så demokratiserar LeRobot robotiken — Sebastien Rousseau." sebastienrousseau.com. October 13, 2026. https://sebastienrousseau.com/sv/2026-10-13-fysisk-ai-oppen-kallkod-sa-demokratiserar/.

Rousseau, S. (2026, October 13). Fysisk AI med öppen källkod: så demokratiserar LeRobot robotiken — Sebastien Rousseau. sebastienrousseau.com. https://sebastienrousseau.com/sv/2026-10-13-fysisk-ai-oppen-kallkod-sa-demokratiserar/

Fysisk AI med öppen källkod: så demokratiserar LeRobot robotiken — Sebastien Rousseau

På Economists toppmöte om fysisk AI i London visade Pepijn Kooijmans hur LeRobot, öppna grundmodeller och robotarmar för under 200 USD sänker trösklarna i robotik.

Originally published at https://sebastienrousseau.com/sv/2026-10-13-fysisk-ai-oppen-kallkod-sa-demokratiserar/ by Sebastien Rousseau.
Licensed under CC-BY-4.0.

SEBASTIEN ROUSSEAU · FOUNDER · ENGINEER