LeRobot v0.6.0：想象、评估、改进

LeRobot v0.6.0 正式发布，本次更新聚焦于闭环机器人学习循环：策略能够想象未来再行动，奖励模型判断成功与否，部署CLI将失败转化为训练数据，并新增六个仿真基准进行全方位评估。此外，还带来了深度感知、VLM驱动的数据集注解、自定义视频编码、云端训练和更精简的安装体验。

世界模型：想象未来的策略

VLA-JEPA 在紧凑型VLA（基于Qwen3-VL-2B）中训练JEPA世界模型，使其能在潜在空间中预测未来帧，推理时则丢弃世界模型，实现零额外成本的监督。LingBot-VA 则通过自回归视频-动作模型逐块预测未来视频和动作，并实时反馈真实观测，可在单块24-32GB GPU上运行。FastWAM 结合约5B视频专家和紧凑动作专家，训练时学习“做梦”，推理时直接去噪动作块。

VLA模型库持续扩充

GR00T N1.7 是NVIDIA的新一代跨具身基础模型，采用Cosmos-Reason2-2B+VLM和流匹配动作头，现已集成至LeRobot，支持一键加载和评估。MolmoAct2 由艾伦人工智能研究所开发，支持全参数和LoRA微调，可在SO-100/101机器人上零样本运行。EO-1、Multitask DiT 和 EVO1 等更多模型也加入支持，覆盖不同参数量和应用场景。

奖励模型：判断机器人的成功

统一奖励模型API（lerobot.rewards）包含四种模型：Robometer 是通用预训练模型，能对任意LeRobot数据集进行任务进度和成功评分，无需任务特定训练；TOPReward 则实现完全零样本，通过计算VLM对“True” token的对数概率来判定成功。两者均提供标注脚本，可生成逐帧进度曲线。

数据集：更快加载，更丰富数据

新版本支持自定义视频编码，可通过硬件编码器加速录制。深度相机支持端到端记录和训练，自动语言注解CLI（lerobot-annotate）能利用VLM为数据集生成时间戳标注。数据加载速度提升高达2倍，子集采样时间从分钟级降至毫秒级。

基准：单一CLI评估所有

新增六个仿真基准：LIBERO-plus（扰动测试）、RoboTwin 2.0（双臂操作）、RoboCasa365（365个厨房任务）、RoboCerebra（长时任务）、RoboMME（记忆测试）、VLABench（知识与推理）。所有基准均可通过 lerobot-eval CLI 运行，并提供Docker镜像。

训练与推理

部署新CLI lerobot-rollout 支持人类在环DAgger修正，FSDP训练可处理超显存模型，云端训练通过HF Jobs实现。代码库更精简，安装更快。

LeRobot v0.6.0 标志着机器人学习工具链的又一次重大进步，从想象、评估到改进，形成了一个完整的循环。