03 · デプロイ

前へ：02-Environment-Setup次はどちらかのルートを選ぶ：xlerobot/（本体） または lerobot/（単腕 / LeKiwi）

イメージをローカルマシンに取得し、コンテナを起動します。このページが終われば、すべての環境が整ったシェルに入れます。

---

1. イメージの取得

イメージは 1 つだけです：

docker pull chenyang310/xlerobot:jetson

アーキテクチャ	arm64
動作環境	Jetson + JetPack 7.2
ダウンロードサイズ	約 3.6 GB（展開後はさらに大きくなります——20 GB の空き容量を確保してください）
含まれるもの	テレオペレーション、キャリブレーション、データ記録、トレーニング、推論、GPU アクセラレーション

取得できたか確認：

docker images | grep xlerobot

chenyang310/xlerobot に jetson タグが付いているはずです。

中国本土：そのまま取得できます——ミラーアクセラレータは不要です。遅い場合は 02-Environment-Setup の第 2 節を参照してください。

自分でビルドする（メンテナー向け）

改修が必要な場合や、最新のソースコードからビルドしたい場合に適しています。

git clone <このリポジトリのURL> xlerobot-docker
cd xlerobot-docker

bash scripts/build.sh jetson

ビルドスクリプトには中国本土向けのミラー（Alibaba Cloud PyPI、Alibaba Cloud Ubuntu リポジトリ）があらかじめ設定されています。 追加設定なしで、中国本土のネットワーク環境でもビルドできます。

初回ビルドでは約 2 GB の依存関係をダウンロードするため、低速なネットワークでは 1〜2 時間かかります。 scripts/sync.sh とボード上の wheels/ キャッシュを使えば、ダウンロード済みのパッケージを再利用できます。

---

2. イメージに含まれるもの

1 つのイメージにすべてが入っています：

• テレオペレーションとキャリブレーション —— 手でロボットを動かし、そのキャリブレーションを保存
• データの記録とリプレイ
• トレーニング —— ACT、Diffusion Policy、SmolVLA、π₀、π₀.₅、Wall-OSS
• 推論 —— トレーニング済みポリシーをロボット上で実行、GPU アクセラレーション

---

3. コンテナの起動

3.1 スクリプトで起動（推奨）

リポジトリをクローン済みの場合：

bash scripts/run.sh jetson

スクリプトには以下がすでに設定されています：

• GPU —— --device nvidia.com/gpu=all（CDI）
• デバイスパススルー —— シリアルポート、カメラ、USB
• ネットワーク —— --network host。VR テレオペレーションと web 制御に必要
• ソースコードのマウント —— コードを変更してもイメージの再ビルドが不要
• キャッシュのマウント —— キャリブレーションファイルとモデルのダウンロードが保持されます

3.2 手動で起動

スクリプトを使わない場合の、最小構成のコマンド：

docker run -it --rm \
  --name xlerobot \
  --device nvidia.com/gpu=all \
  --privileged \
  --network host \
  -v /dev:/dev \
  -v ~/.cache/huggingface:/home/jetson/.cache/huggingface \
  -v /tmp/.X11-unix:/tmp/.X11-unix \
  -e DISPLAY=$DISPLAY \
  -e HF_ENDPOINT=https://hf-mirror.com \
  chenyang310/xlerobot:jetson

各パラメータの役割：

パラメータ	必要な理由
--device nvidia.com/gpu=all	コンテナに GPU を渡します（CDI 経由）。これがないと GPU はまったく使えません
--privileged + -v /dev:/dev	シリアルポート（SO-101 サーボ）、カメラ、USB のパススルー
--network host	host/client の 2 プロセス間通信（ZMQ）、および VR 制御
-v ~/.cache/huggingface	キャリブレーションファイルとモデルキャッシュ。マウントしないと、コンテナを開き直すたびに再キャリブレーションが必要になります
-v /tmp/.X11-unix + -e DISPLAY	可視化を実行する場合に使用（rerun のウィンドウ表示）
-e HF_ENDPOINT	huggingface.co は中国本土から完全に到達できないため、ミラー経由が必須

マウントパス内の /home/jetson はイメージ内部のユーザーディレクトリです——ハードコードしても問題ありません。 そのイメージのユーザー名が jetson だからです。

中に入ると bash が起動し、作業ディレクトリは /opt/xlerobot です。

---

4. GPU パラメータ —— CDI のやり方

イメージでは GPU を渡すために CDI を必ず使用します。--runtime nvidia は使用できません：

docker run -it --rm \
  --device nvidia.com/gpu=all \
  --privileged --network host -v /dev:/dev \
  ... \
  chenyang310/xlerobot:jetson

初回使用の前に、ホストマシン上で CDI 仕様を生成する必要があります：

sudo nvidia-ctk cdi generate --output=/etc/cdi/nvidia.yaml
sudo systemctl restart docker

ハマりどころ：JetPack 7.2 では nvidia-container-toolkit 1.19.1 の enable-cuda-compat フックがクラッシュし（slice bounds out of range）、 コンテナがまったく起動しなくなります。パラメータを追加して無効化すれば解決します：

sudo nvidia-ctk cdi generate --output=/etc/cdi/nvidia.yaml \
  --disable-hook enable-cuda-compat

コンテナの CUDA バージョンとホストマシンが一致している場合、このフックは不要です。

GPU が利用可能か確認

python -c "import torch; print('GPU:', torch.cuda.is_available())"

---

5. プラットフォーム別

Jetson Orin シリーズ —— ✅ 現在正式対応

モデル	必要なもの	説明
Orin Nano	JetPack 7.2	私たちが実測したボード（3.4 GB メモリでもテレオペレーションは動作）
Orin NX	JetPack 7.2	同上
AGX Orin / AGX Orin 64GB	JetPack 7.2	⚠️ 7.0 / 7.1 は AGX Orin 64GB に非対応。必ず 7.2

唯一の必須要件は JetPack のバージョンです：イメージ内の torch は CUDA 13.0 でコンパイルされており、 CUDA 13.x はドライバー 580 以上を要求します。

JetPack	L4T	CUDA	ドライバー	使用可能か
6.2	36.4.3	12.6	540.4.0	❌ ドライバーが古すぎる
7.2	39.2	13.2	595 系	✅

お使いのバージョンを確認：

cat /etc/nv_tegra_release
dpkg -l | grep nvidia-jetpack

⚠️ JetPack 6.x から 7.x へのアップグレードは apt upgrade / OTA ではできません（OTA は同一 L4T メジャーバージョン内でのみ利用可能です）。ボード全体の再フラッシュが必要です。

Jetson Nano（2019 オリジナル）—— ❌ 永遠に非対応

3 つの独立した理由があり、いずれも解決の余地がありません：

1. CUDA 13 が Maxwell アーキテクチャを完全に削除しました。ドライバー R580 が Maxwell / Pascal / Volta を最後にサポートするブランチであり、CUDA 13 が要求するのはまさに 580 以上です。 Jetson Nano は最高でも JetPack 4.6.6 / CUDA 10.2 に留まるしかありません。
2. 演算能力 5.3 は torch のサポート下限を下回ります。このイメージ内の torch がコンパイルされたアーキテクチャは sm_80 / sm_90 / sm_100 / sm_110 / sm_120——最低が sm_80 で、 Jetson Nano は sm_53 のため、ネイティブカーネルがなく、PTX による即時コンパイルも適用できません。
3. プラットフォームは EOL 済み（JetPack 4 は 2024 年 11 月にサポート終了）。

その他のプラットフォーム —— ❌ 非対応

Raspberry Pi、一般的な x86 PC、Windows、macOS はこのイメージを実行できません。このイメージは JetPack 7.2 の CUDA スタックに対してビルドされ、arm64 のみで提供されているため、 代わりに使える CPU 版はありません。Jetson Orin ボードを使用してください。

お手元の環境を確認：uname -m が aarch64 と表示され、cat /etc/nv_tegra_release が R39 を報告するはずです。

---

コンテナに入った後

まずセルフチェックを実行します：

python -c "import torch, lerobot; print('torch', torch.__version__); print('lerobot', lerobot.__version__)"

期待される出力：

torch 2.11.0+cu130
lerobot 0.6.2

⚠️ xlerobot と xlerobot_mecanum は同一プロセス内に共存できません——両者はソースコード内で どちらも "xlerobot" として登録されるためです（XLeRobot 上流のバグ）。 Cannot register ... as xlerobot because ... already registered が報告されます。

それ以外の組み合わせは問題ありません：原版 LeRobot のロボットと XLeRobot は同一プロセス内で共存できます （実測で 8 つのタイプが同時に登録成功）。xlerobot_2wheels も競合しません。 1 台のロボットには 1 つのバリアントしか使用しないため、通常の使用には影響しません。

---

次はどちらかのルートを選ぶ：xlerobot/ 本体 · lerobot/ 単腕 / LeKiwi