허깅페이스 LeLab로 코드 없이 AI 로봇 학습·데이터 수집·배포

핵심 메시지

• LeLab은 LeRobot 라이브러리의 그래픽 인터페이스로, 코드를 작성하지 않고도 로봇 원격 조작·데이터 수집·모델 학습·배포를 모두 처리한다.
• 명령어 한 줄로 설치·실행되며, 드롭다운과 보정 과정을 통해 로봇과 카메라를 화면에서 설정한다.
• 좋은 모델의 가장 큰 요인은 데이터셋 품질이라, 일관되고 부드러운 동작으로 최소 30개, 권장 50개의 에피소드를 녹화한다.
• 학습은 내 로컬 머신에서도, 허깅페이스 Jobs의 강력한 GPU에서도 저렴하게 돌릴 수 있고 여러 학습을 병렬로 진행할 수 있다.
• 학습이 진행되는 동안 저장된 체크포인트를 로봇에서 바로 테스트하며 성능이 좋아지는 과정을 확인할 수 있다.

쉽게 이해하기

LeLab은 LeRobot 라이브러리를 위한 그래픽 사용자 인터페이스다. 로봇을 원격 조작하고, 데이터셋을 수집하고, 자신의 하드웨어나 허깅페이스가 제공하는 강력한 GPU로 모델을 학습하며, 완성된 정책과 모델을 로봇에 배포하는 일까지 코드를 한 줄도 쓰지 않고 깔끔한 인터페이스로 해낸다. 설치는 문서에 있는 간단한 명령어를 터미널에 붙여 넣어 실행하면 되고, 앞부분이 설치를, 뒷부분이 실행을 담당한다.

먼저 로봇을 설정한다. 드롭다운을 눌러 이름을 입력하고 기어 아이콘을 누른 뒤, 원격 조작기를 선택하고 찾기 버튼을 누른다. USB 케이블을 뽑으면 로봇 포트가 자동 감지되고, 다시 꽂은 뒤 보정을 시작한다. 보정 전에는 모든 관절을 중앙 위치에 두고, 체크가 모두 초록색이 될 때까지 움직인다. 팔로워에도 같은 과정을 반복하고 마지막에 저장한다. 설정 페이지 하단에서 상단 카메라와 손목 카메라 같은 카메라를 추가하면 두 스트림을 바로 볼 수 있다.

메인 페이지로 돌아와 원격 조작을 누르면 리더-팔로워 구성으로 로봇을 조작할 수 있고, 3D 시각화도 함께 제공된다. 이는 리더 팔 사용을 연습하기에 좋은 방법이다. 간단한 작업을 골라 매끄럽고 흠 없이 풀어내도록 먼저 자신을 훈련한 다음, 그 작업을 AI가 대신하도록 학습시킬 데이터셋을 수집하는 흐름이다.

데이터셋을 만들려면 이름과 수행할 작업을 설명하고 에피소드 수를 정한다. 영상은 최소 30개, 권장 50개를 제안한다. 녹화 시에는 동작을 최대한 부드럽게, 에피소드 전반에 걸쳐 기법을 일관되게 유지한다. 한 에피소드를 마치면 스페이스바를 눌러 환경을 초기화하고 다음 에피소드를 녹화하며, 실패한 에피소드는 인터페이스의 점 세 개 버튼으로 다시 녹화할 수 있다. 데이터셋 품질은 제대로 작동하는 모델을 얻는 가장 큰 요인 중 하나다. 펜을 나무 연필꽂이에 넣는 작업 50개 에피소드 녹화에는 약 15분이 걸렸고, 완성된 데이터셋은 허깅페이스 허브에 업로드해 온라인 도구로 에피소드를 살펴볼 수 있다.

학습은 메인 인터페이스에서 시작을 누르면 된다. 가장 좋은 점은 로컬 머신뿐 아니라 허깅페이스 Jobs의 강력한 GPU를 저렴하게 골라 쓸 수 있다는 것이다. 데이터셋과 정책, 학습 스텝, 배치 크기를 고르고 시작하면 진행 상황·손실·로그를 추적할 수 있으며, 여러 학습을 동시에 병렬로 돌릴 수도 있다. 체크포인트가 저장되면 학습이 진행되는 중에도 로봇에서 바로 테스트할 수 있다. 영상에서는 3,000스텝 체크포인트는 펜을 제대로 잡지 못했지만, 30,000스텝까지 마친 최종 체크포인트는 간단한 ACT 정책으로 펜과 상자 위치의 작은 변화에도 적응해 작업을 풀어냈다.

주요 인사이트

• 데이터 수집·학습·배포라는 로봇 학습의 전 과정을 코드 없이 하나의 그래픽 인터페이스에서 처리한다는 점이 LeLab의 핵심이다.
• 데이터를 수집하기 전에 사람이 먼저 작업을 매끄럽게 해내도록 연습하는 것이 권장된다. 일관되고 부드러운 시연이 곧 학습 데이터의 품질을 좌우하기 때문이다.
• 학습을 로컬과 클라우드(허깅페이스 Jobs) 중에서 고를 수 있고 여러 학습을 병렬로 돌릴 수 있어, 비용과 속도를 상황에 맞게 조절할 수 있다.
• 학습이 끝나기를 기다릴 필요 없이 저장된 체크포인트를 로봇에서 바로 테스트하며, 스텝이 쌓일수록 성능이 좋아지는 과정을 직접 눈으로 확인할 수 있다.
• 실패한 에피소드를 골라 다시 녹화할 수 있어 데이터셋 품질을 높게 유지할 수 있고, 이것이 제대로 작동하는 모델을 얻는 데 가장 중요한 요인 중 하나로 강조된다.

자주 묻는 질문

관련 AI 소식