LeRobot v0.6.0 de Hugging Face : les robots apprennent à prédire l'avenir et à s'évaluer eux-mêmes

Hugging Face a lancé LeRobot v0.6.0 le 7 juillet 2026 — une mise à jour majeure du framework open-source pour l'entraînement de robots qui ferme la boucle : les robots peuvent désormais prédire les résultats des actions, évaluer automatiquement leur succès et recevoir des corrections en temps réel d'un opérateur.

Ce que peuvent faire les nouvelles politiques de world-model

Les politiques de world-model sont l'innovation clé de cette version. Trois nouvelles architectures permettent aux robots « d'imaginer » l'avenir directement pendant l'entraînement.

VLA-JEPA entraîne un modèle compacte vision-language-action pour prédire les futures images dans l'espace latent. Pendant l'inférence, le world-model est supprimé, la vitesse n'est donc pas affectée. Trois points de contrôle prêts à l'emploi sont disponibles, y compris ceux préentraînés sur le dataset DROID.

LingBot-VA fonctionne comme un modèle vidéo-action autorégessif : il prédit les images et les actions de manière séquentielle, en utilisant les observations réelles pour l'auto-vérification. L'inférence s'adapte à une seule GPU avec 24–32 GB de VRAM.

FastWAM combine un expert en génération de vidéo d'environ 5B paramètres avec un expert en actions compacte. Pendant l'inférence, il désensibilise directement les chunks d'actions — sans imaginaire, plus rapide que LingBot-VA.

La version inclut également un complet « zoo » de modèles VLA : GR00T N1.7 de NVIDIA avec Cosmos-Reason2-2B, MolmoAct2 d'Allen Institute (SO-100/101, ~12 GB en bf16), EO-1 avec Qwen2.5-VL-3B, Multitask DiT (~450M paramètres) et le compacte EVO1 (0,77B) avec support du chunking en temps réel.

Comment les robots évaluent maintenant la réussite des tâches

Les nouveaux modèles de récompense permettent aux robots de comprendre s'ils ont complété une tâche, sans annotation manuelle.

Robometer — un évaluateur universel du progrès des tâches basé sur Qwen3-VL-4B, entraîné sur plus d'un million de trajectoires robotiques. Il prend une vidéo et des instructions en langage naturel et retourne un score de réussite sans fine-tuning pour des tâches spécifiques.

TOPReward ne nécessite pas de poids spéciaux : il enveloppe les modèles VLM prêts à l'emploi et lit les probabilités logarithmiques des tokens de succès basées sur la trajectoire vidéo.

Faits clés de la version :

• Date de lancement — 7 juillet 2026
• Trois politiques de world-model : VLA-JEPA, LingBot-VA, FastWAM
• Robometer entraîné sur 1+ million de trajectoires robotiques (Qwen3-VL-4B)
• Six nouveaux benchmarks de simulation ; neuf familles au total
• Chargement de sous-ensemble de dataset — de 275 secondes à 0,06 secondes
• Installation de base 40% plus légère grâce à des extras modulaires

Ce qui a changé pour les développeurs

Six nouvelles simulations sont unifiées sous le CLI `lerobot-eval` : LIBERO-plus avec ~10 000 variations sur sept axes de perturbation, RoboTwin 2.0 avec 50 tâches bibrachiés et 100 000+ trajectoires, RoboCasa365 avec 365 tâches de cuisine dans 2 500 cuisines générées procéduralement, RoboCerebra avec des épisodes d'horizon long de 3–6 sous-tâches, RoboMME pour tester la mémoire et le comptage d'objets, et VLABench pour les connaissances et le raisonnement.

Le CLI `lerobot-rollout` inclut la stratégie DAgger : l'opérateur reprend le contrôle, les corrections sont enregistrées et étiquetées pour le prochain cycle de fine-tuning. La passation de contrôle est fluide.

Le support FSDP via Accelerate permet d'entraîner des modèles qui ne tiennent pas sur une seule GPU : les paramètres, gradients et état de l'optimiseur sont fragmentés entre accélérateurs, et le checkpoint est assemblé en un unique `model.safetensors`.

«

Fermer la boucle d'entraînement des robots signifie que lorsque la politique peut imaginer les résultats, le système peut évaluer le succès et un humain peut corriger efficacement les erreurs, » — des notes de version officielles de LeRobot v0.6.0.

Ce que cela signifie

LeRobot v0.6.0 offre une infrastructure ouverte pour le cycle complet du ML robotique : génération de données, entraînement avec world-models, évaluation automatique via modèles de récompense et corrections avec humains dans la boucle — tout à partir d'un seul ensemble de CLIs. Cela réduit la barrière à l'entrée et accélère les itérations sans piles propriétaires fermées.

Questions fréquemment posées

Combien de mémoire vidéo est nécessaire pour exécuter

LingBot-VA ?

LingBot-VA nécessite une GPU avec 24–32 GB de VRAM. Si la VRAM est inférieure — MolmoAct2 est approprié, qui tient dans environ 12 GB lors du travail en format bf16 sur SO-100/SO-101.

Qu'est-ce que Robometer et comment évalue-t-il les tâches ?

Robometer est un modèle de récompense basé sur Qwen3-VL-4B, entraîné sur plus d'un million de trajectoires robotiques. Il prend un épisode vidéo et des instructions en texte en entrée et retourne un score de progression sans fine-tuning pour des tâches spécifiques.