メインコンテンツへスキップ
見出し画像

【ロボット】Jetson Orin NanoでLeRobot v0.4.4の環境を構築:SO101のテレオペに向けて

    1. はじめに

    ロボットAIの開発では、ロボットアーム本体を組み立てるだけでなく、モーター制御、カメラ画像の取得、テレオペレーション、データ収集、モデルの学習・推論までを一連の流れとして扱えるソフトウェア環境が必要になります。

    今回は、エッジAI向けデバイスである Jetson Orin Nano 上に、ロボット学習フレームワークである LeRobot v0.4.4 の環境を構築していきます。

    LeRobotは、ロボットのテレオペレーション、データ収集、データセット管理、模倣学習、方策モデルの学習・推論などを扱うためのフレームワークです。SO101のようなロボットアームと組み合わせることで、実機を使ったロボットAI開発の流れを試しやすくなります。

    一方で、Jetson Orin Nano上でLeRobotを動かす場合、通常のx86系PCとは異なり、環境構築で注意すべき点があります。特に、JetPack、L4T、CUDA、PyTorch、torchvision、Python、numpyなどのバージョンの組み合わせが重要になります。インストール自体はできても、GPUが認識されなかったり、依存ライブラリの不整合でLeRobotのコマンド実行時にエラーが発生したりする場合があります。

    本記事では、すでに JetPack 6.2.1 / L4T 36.4.7 / CUDA 12.6 が入っているJetson Orin Nanoを前提として、uv によるPython仮想環境の作成、Jetson向けPyTorch v2.8.0とtorchvision v0.23.0のインストール、LeRobot v0.4.4の導入、追加パッケージの調整までを整理します。

    最終的には、lerobot-info を実行し、LeRobot v0.4.4、PyTorch、CUDA、GPU、各種LeRobotコマンドが利用できる状態になっていることを確認します。

    この環境が整うことで、次のステップとして、SO101のモーターやカメラをJetson Orin Nanoに接続し、ポート確認、カメラ認識、キャリブレーション、テレオペレーション、データ収集へ進むための土台ができます。

    Jetson Orin NanoとLeRobotを使って、実機ロボットAI開発を始めたい方の参考になれば幸いです。

    2. Jetson Orin Nanoの状態

    Jetson Orin Nano Dev Kit は以下の仕様で構築してある状態です。ここではこの環境構築については省略します。

    • L4T バージョン: 36.4.7

    • JetPack バージョン: 6.2.1

    Jetpack 6.2 (ubuntu22.04-base)の詳細

    $ nvcc -V
    nvcc: NVIDIA (R) Cuda compiler driver
    Copyright (c) 2005-2024 NVIDIA Corporation
    Built on Wed_Aug_14_10:14:07_PDT_2024
    Cuda compilation tools, release 12.6, V12.6.68
    Build cuda_12.6.r12.6/compiler.34714021_0
    
    $ cat /etc/nv_tegra_release
    # R36 (release), REVISION: 4.7, GCID: 42132812, BOARD: generic, EABI: aarch64, DATE: Thu Sep 18 22:54:44 UTC 2025
    # KERNEL_VARIANT: oot
    TARGET_USERSPACE_LIB_DIR=nvidia
    TARGET_USERSPACE_LIB_DIR_PATH=usr/lib/aarch64-linux-gnu/nvidia

    Jetpackのアーカイブは以下のリンクです。他のバージョンの詳細もここで書かれています。2026/6/3にJetson Orinに対応したJetpack 7.2もリリースされていますので、そちらで最新の環境でLerobot v0.5.x系が動くかもしれませんが、今回は比較的安定しているJetpack 6.2の環境でLerobot v0.4.4を使用します。

    3. LeRobot v0.4.4の環境構築

    3.1 uvの準備

    今回はuvで仮想環境を構築します。

    以下のコマンドでuvをインストールします。

    $ curl -LsSf https://astral.sh/uv/install.sh | sh

    lerobot v0.4.4はpython 3.10以上が対応しているので、-p 3.10でpythonバージョンを指定しています。以下のリンクで確認できます。

    https://github.com/huggingface/lerobot/blob/v0.4.4/pyproject.toml#L32

    以下のコマンドで仮想環境を作成して、起動しておきます。

    $ uv venv -p 3.10 && source .venv/bin/activate

    3.2 torch v2.8.0のインストール

    まずは必要なパッケージをインストールします。

    $ sudo apt-get install cmake build-essential python3-dev pkg-config \
        libavformat-dev libavcodec-dev libavdevice-dev libavutil-dev libswscale-dev \
        libswresample-dev libavfilter-dev

    aarch64のpytorchはなかなか存在しません。例えばNVIDIAの公式が用意しているサイトがありますが、対応するjetpack、pytorchのバージョンが限られています。自分でビルドしても良いですが、時間がかなりかかります。加えてマシンリソース不足でビルドが完了しない場合もあります。

    公開されているものの中で、以下のサイトで公開されているpytorchのwhlファイルをインストールしたところ、GPUが認識できました。

    https://pypi.jetson-ai-lab.io/

    torch v2.8.0は以下のリンクです。

    https://pypi.jetson-ai-lab.io/jp6/cu126/torch/2.8.0

    以下のコマンドでインストールをしました。

    # torch v2.8.0インストール
    $ uv pip install https://pypi.jetson-ai-lab.io/jp6/cu126/+f/62a/1beee9f2f1470/torch-2.8.0-cp310-cp310-linux_aarch64.whl#sha256=62a1beee9f2f147076a974d2942c90060c12771c94740830327cae705b2595fc

    念のためGPUが認識するか確認します。

    $ python3 -c "import torch; print(torch.cuda.is_available())"

    3.3 torchvision v0.23.0のインストール

    まずは必要なパッケージをインストールします。

    $ sudo apt update && sudo apt install -y \
      ffmpeg \
      libavcodec-dev \
      libavdevice-dev \
      libavfilter-dev \
      libavformat-dev \
      libavutil-dev \
      libjpeg-dev \
      libopenblas-dev \
      libopenmpi-dev \
      libpng-dev \
      libpostproc-dev \
      libpython3-dev \
      libswresample-dev \
      libswscale-dev \
      zlib1g-dev
    $ uv pip install ninja ffmpeg packaging
    

    torchvisionはtorchとバージョン依存性があるので、以下のリンク先でtorch v2.8.0に対応するバージョンを確認しました。対応するバージョンはv0.23です。

    torchvisionも以下のリンク先から入手しました。

    https://pypi.jetson-ai-lab.io/

    torchvision v0.23.0は以下のリンクです。

    https://pypi.jetson-ai-lab.io/jp6/cu126/torchvision/0.23.0

    以下のコマンドでインストールをしました。

    $ uv pip install https://pypi.jetson-ai-lab.io/jp6/cu126/+f/907/c4c1933789645/torchvision-0.23.0-cp310-cp310-linux_aarch64.whl#sha256=907c4c1933789645ebb20dd9181d40f8647978e6bd30086ae7b01febb937d2d1

    3.4 lerobot v0.4.4のインストール

    feetechモーター用の依存関係を含むLeRobotをインストールします。
    以下のコマンドでインストールしました。

    $ uv pip install lerobot[feetech]==0.4.4

    また、将来的にSmolVLAの推論を行いたいので、SmolVLA用の依存関係を含むLeRobotをインストールします。テレオペのみ実施ならこれは不要です。
    以下のコマンドでインストールしました。

    $ uv pip install lerobot[smolvla]==0.4.4

    3.5 その他のインストール

    その他、numpyはv2では動作しなかったのでそれ以下のバージョンをインストールしました。
    また、HuggingFaceにテレオペしたデータをアップロードすることを想定し、huggingface_hub[cli]もインストールしました。

    $ uv pip install 'numpy<2' && \
      uv pip install -U "huggingface_hub[cli]"

    3.6 最終的な環境の情報

    lerobot-infoで構築できた環境の情報を確認しました。以下が結果になります。

    $ lerobot-info
    - LeRobot version: 0.4.4
    - Platform: Linux-5.15.148-tegra-aarch64-with-glibc2.35
    - Python version: 3.10.19
    - Huggingface Hub version: 0.35.3
    - Datasets version: 4.8.4
    - Numpy version: 1.26.4
    - FFmpeg version: 4.4.2-1ubuntu0.1
    - PyTorch version: 2.8.0
    - Is PyTorch built with CUDA support?: True
    - Cuda version: 12.6
    - GPU model: Orin
    - Using GPU in script?: <fill in>
    - lerobot scripts: ['lerobot-calibrate', 'lerobot-dataset-viz', 'lerobot-edit-dataset', 'lerobot-eval', 'lerobot-find-cameras', 'lerobot-find-joint-limits', 'lerobot-find-port', 'lerobot-imgtransform-viz', 'lerobot-info', 'lerobot-record', 'lerobot-replay', 'lerobot-setup-can', 'lerobot-setup-motors', 'lerobot-teleoperate', 'lerobot-train', 'lerobot-train-tokenizer']

    4. おわりに

    本記事では、Jetson Orin Nano上に LeRobot v0.4.4 の環境を構築する手順を整理しました。

    Jetson Orin Nanoでは、通常のx86系PCとは異なり、aarch64環境で利用できるPyTorchやtorchvisionのバージョンに注意する必要があります。特に、JetPack、CUDA、PyTorch、torchvisionの組み合わせが合っていないと、インストールできてもGPUが正しく認識されなかったり、LeRobotの実行時にエラーが発生したりする可能性があります。

    今回は、JetPack 6.2.1 / CUDA 12.6 の環境に対して、Jetson向けに公開されているPyTorch v2.8.0とtorchvision v0.23.0を利用し、最終的に lerobot-info でLeRobot v0.4.4の環境が構築できていることを確認しました。

    これにより、Jetson Orin Nano上で、SO101を用いたテレオペレーション、カメラ画像とモーター動作のデータ収集、データセットの確認、さらにはSmolVLAなどのロボットAIモデルの推論検証へ進むための土台が整いました。

    次のステップとしては、実際にSO101のモーターやカメラをJetson Orin Nanoに接続し、LeRobotのコマンドを使ってポート確認、カメラ認識、キャリブレーション、テレオペレーション、データ収集までを試していきたいと思います。

    Jetson Orin Nanoのようなエッジデバイス上でLeRobotを動かせるようになると、PC上での開発だけでなく、より実機に近い環境でロボットAIの検証を進めやすくなります。本記事が、Jetson Orin NanoとLeRobotを使ってロボットAI開発を始める方の参考になれば幸いです。

     
     
    AIエンジニア、画像認識、LLM、フィジカルAIなど日々勉強しています。

    あなたへのおすすめ