LeRobot v0.6.0 正式發佈，本次更新聚焦於閉環機器人學習循環：策略能夠想象未來再行動，獎勵模型判斷成功與否，部署CLI將失敗轉化為訓練數據，並新增六個仿真基準進行全方位評估。此外，還帶來了深度感知、VLM驅動的數據集註解、自定義視頻編碼、雲端訓練和更精簡的安裝體驗。
世界模型：想象未來的策略
VLA-JEPA 在緊湊型VLA（基於Qwen3-VL-2B）中訓練JEPA世界模型，使其能在潛在空間中預測未來幀，推理時則丟棄世界模型，實現零額外成本的監督。LingBot-VA 則通過自迴歸視頻-動作模型逐塊預測未來視頻和動作，並實時反饋真實觀測，可在單塊24-32GB GPU上運行。FastWAM 結合約5B視頻專家和緊湊動作專家，訓練時學習“做夢”，推理時直接去譟動作塊。
VLA模型庫持續擴充
GR00T N1.7 是NVIDIA的新一代跨具身基礎模型，採用Cosmos-Reason2-2B+VLM和流匹配動作頭，現已集成至LeRobot，支持一鍵加載和評估。MolmoAct2 由艾倫人工智能研究所開發，支持全參數和LoRA微調，可在SO-100/101機器人上零樣本運行。EO-1、Multitask DiT 和 EVO1 等更多模型也加入支持，覆蓋不同參數量和應用場景。
獎勵模型：判斷機器人的成功
統一獎勵模型API（lerobot.rewards）包含四種模型：Robometer 是通用預訓練模型，能對任意LeRobot數據集進行任務進度和成功評分，無需任務特定訓練；TOPReward 則實現完全零樣本，通過計算VLM對“True” token的對數概率來判定成功。兩者均提供標註腳本，可生成逐幀進度曲線。
數據集：更快加載，更豐富數據
新版本支持自定義視頻編碼，可通過硬件編碼器加速錄製。深度相機支持端到端記錄和訓練，自動語言註解CLI（lerobot-annotate）能利用VLM為數據集生成時間戳標註。數據加載速度提升高達2倍，子集採樣時間從分鐘級降至毫秒級。
基準：單一CLI評估所有
新增六個仿真基準：LIBERO-plus（擾動測試）、RoboTwin 2.0（雙臂操作）、RoboCasa365（365個廚房任務）、RoboCerebra（長時任務）、RoboMME（記憶測試）、VLABench（知識與推理）。所有基準均可通過 lerobot-eval CLI 運行，並提供Docker鏡像。
訓練與推理
部署新CLI lerobot-rollout 支持人類在環DAgger修正，FSDP訓練可處理超顯存模型，雲端訓練通過HF Jobs實現。代碼庫更精簡，安裝更快。
LeRobot v0.6.0 標誌着機器人學習工具鏈的又一次重大進步，從想象、評估到改進，形成了一個完整的循環。