LeRobot v0.6.0 正式釋出，本次更新聚焦於閉環機器人學習迴圈：策略能夠想象未來再行動，獎勵模型判斷成功與否，部署CLI將失敗轉化為訓練資料，並新增六個模擬基準進行全方位評估。此外，還帶來了深度感知、VLM驅動的資料集註解、自定義影片編碼、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 則透過自迴歸影片-動作模型逐塊預測未來影片和動作，並即時反饋真實觀測，可在單塊24-32GB GPU上執行。FastWAM 結合約5B影片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，現已整合至LeRobot，支援一鍵載入和評估。MolmoAct2 由艾倫人工智慧研究所開發，支援全引數和LoRA微調，可在SO-100/101機器人上零樣本執行。EO-1、Multitask DiT 和 EVO1 等更多模型也加入支援，覆蓋不同引數量和應用場景。
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資料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，透過計算VLM對“True” token的對數機率來判定成功。兩者均提供標註指令碼，可生成逐幀進度曲線。
資料集：更快載入，更豐富資料
新版本支援自定義影片編碼，可透過硬體編碼器加速錄製。深度相機支援端到端記錄和訓練，自動語言註解CLI（lerobot-annotate）能利用VLM為資料集生成時間戳標註。資料載入速度提升高達2倍，子集取樣時間從分鐘級降至毫秒級。
基準：單一CLI評估所有
新增六個模擬基準：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）。所有基準均可透過 lerobot-eval CLI 執行，並提供Docker映象。
訓練與推理
部署新CLI lerobot-rollout 支援人類在環DAgger修正，FSDP訓練可處理超視訊記憶體模型，雲端訓練透過HF Jobs實現。程式碼庫更精簡，安裝更快。
LeRobot v0.6.0 標誌著機器人學習工具鏈的又一次重大進步，從想象、評估到改進，形成了一個完整的迴圈。