IT小魔王1. 为什么选择Jetson Orin Nano搭建LeRobot环境
Jetson Orin Nano作为NVIDIA边缘计算家族的新成员，搭载了128核Ampere架构GPU和6核ARM Cortex-A78AE CPU，15TOPS的AI算力使其成为移动机器人开发的理想平台。我在实际部署LeRobot框架时发现，orin nano的功耗表现尤其出色——在运行典型SLAM算法时整机功耗仅10-15W，这是x86平台难以企及的。
但orin nano的ARM架构也带来了特有的环境配置挑战。官方提供的torch-1.11.0-cp38-cp38-linux_aarch64.whl这个预编译包，在实际使用中会出现两个典型问题：一是与某些视觉算子存在兼容性问题导致segfault，二是torchvision的pillow版本依赖冲突。这就是为什么我们需要掌握完整的重装流程。
提示：建议在开始前准备至少32GB的microSD卡或NVMe SSD，LeRobot的环境依赖会占用约12GB空间，而深度学习模型缓存需要额外空间。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 基础系统环境准备
2.1 刷机与初始配置
使用SDK Manager刷入JetPack 5.1.2时，我发现一个关键细节：必须勾选"Jetson Orin Nano Developer Kit"选项下的"OpenCV with CUDA support"。这个选项默认不选中，但LeRobot的视觉处理管线严重依赖CUDA加速的OpenCV。刷机完成后，通过以下命令验证基础环境：
bash复制nvcc --version # 应显示CUDA 11.4
opencv_version # 应显示4.5.4且包含CUDA支持
2.2 存储空间优化
orin nano的16GB eMMC存储很快会被填满，这里分享我的存储迁移方案：
bash复制sudo apt install gnome-disk-utility
# 使用GUI工具将EXT4分区扩展到SD卡
mkdir -p /media/nvme
sudo mount /dev/nvme0n1p1 /media/nvme
sudo rsync -axHAWX --numeric-ids --info=progress2 /home/