LeRobot v0.6.0: ロボット学習ループを閉じる
Hugging Faceは、オープンソースのロボット学習フレームワークLeRobotの最新アップデートv0.6.0をリリースしました。これはこれまでで最大のアップデートです。新バージョンは「想像」「評価」「改善」の3つのコアテーマを中心に、将来の状態を予測するワールドモデルポリシー、統一された報酬モデルAPI、そして単一の評価インターフェースの下での6つの新しいシミュレーションベンチマークを導入しています。
ワールドモデル：未来を想像するポリシー
v0.6.0の最大の追加機能は、3つのワールドモデルポリシーです。それぞれがトレーニング中に未来を予測することを学習しつつ、推論時にその予測を手頃なコストで維持するための異なるアプローチを採用しています。
VLA-JEPAは、Qwen3-VL-2Bをベースにコンパクトな視覚言語行動モデルを構築します。トレーニング中、JEPAワールドモデルはモデル自身の行動から今後のフレームを予測します。推論時にはワールドモデルは完全に除去され、追加コストゼロでワールドモデルの監視を提供します。Hugging Faceでは、ファインチューニング用のDROID事前学習ベースを含む3つの事前学習済みチェックポイントが利用可能です。
LingBot-VAはさらに一歩進み、自己回帰型ビデオ行動モデルを使用して、将来のビデオと行動をチャンクごとに一緒に予測し、実際の観測をフィードバックして予測を現実に基づかせます。研究者はロボットが想像したものを保存し、実際の結果と比較できます。推論は単一の24～32 GB GPUで実行されます。
FastWAMは根本的な疑問を投げかけます：ワールド行動モデルは実際にテスト時の未来想像を必要とするのか？これは、約50億パラメータのビデオ生成エキスパートとコンパクトな行動エキスパートを1つのネットワークでペアリングします。推論時には想像ステップを完全にスキップし、行動チャンクを直接デノイズします。
VLA Zooは成長を続ける
NVIDIAのGR00TはN1.7にアップグレードされ、以前のVLMをQwen3-VL上に構築されたCosmos-Reason2-2Bに置き換え、フローマッチング行動ヘッドに供給します。LeRobot統合は、NVIDIAのオリジナルIsaac-GR00T実装に対してパリティテスト済みです。
Allen AIのMolmoAct2は、ファインチューニング、評価、実ロボット展開をエンドツーエンドでカバーしてLeRobotに完全に移植されました。キャリブレーション補正付きの事前学習済みチェックポイントは、約12 GBのVRAMでSO-100/101ロボットへのゼロショット展開をサポートします。また、EO-1（Qwen2.5-VL-3Bバックボーン）、約4.5億パラメータのMultitask DiT、およびコンパクトな約7.7億パラメータのEVO1もラインナップに加わりました。
報酬モデル：ロボットが成功したときを知る
成功検出と進捗推定は、ロボット学習において長らく欠けていた要素です。v0.6.0では、統一された報酬モデルAPIを導入し、注目すべき2つの追加機能としてRobometerとTOPRewardを提供します。
Robometerは、Qwen3-VL-4B上に構築された事前学習済みの汎用報酬モデルで、100万以上のロボット軌道のデータセットに対する軌道比較を通じてトレーニングされています。任意のLeRobotデータセットを指定すると、生のビデオと言語指示からタスクの進捗と成功をスコアリングし、タスク固有のトレーニングは不要です。
TOPRewardは完全にゼロショットで、報酬重みを一切使用しません。既製のVLMをラップし、軌道ビデオとタスク指示が与えられた場合の「True」トークンの対数確率を読み取り、任意の有能なVLMを報酬関数に変換します。
データ、トレーニング、ベンチマークインフラ
データ面では、LeRobotはIntel RealSenseカメラによるエンドツーエンドの深度センシングをサポートし、深度マップを12ビットビデオストリームとして圧縮し、VLMを使用した自動言語アノテーションパイプラインを提供します。ビデオデータの読み込みは最大約2倍高速化され、マルチカメラフレームの並列デコードが可能です。
トレーニングでは、Accelerateを通じてFSDP（完全シャーディングデータ並列）をサポートし、単一GPUメモリを超えるモデルを可能にします。Hugging Face Jobsによるクラウドトレーニングは、単一のフラグを追加するだけで機能し、T4から8x H200まで、すべて同じlerobot-trainコマンドでアクセスできます。
6つの新しいシミュレーションベンチマークは、統一されたlerobot-eval CLIで実行されます。LIBERO-plusは約10,000の摂動バリアントでストレステスト、RoboTwin 2.0は50の両手タスクをカバー、RoboCasa365は手続き的に生成された環境で365のキッチンタスクにわたり、RoboCerebraは長期的な行動を評価、RoboMMEは記憶能力をテスト、VLABenchは操作における知識と推論を検証します。
デプロイメントには独自のCLI lerobot-rolloutが用意され、DAgger戦略により研究者はポリシーの実行を監視し、失敗した場合にリーダーアームで介入し、すべての修正を次のファインチューニングサイクルにフィードバックすることで、ロボット学習ループを閉じることができます。
詳細はHugging Face Blogをご覧ください。
