LeRobot v0.6.0: Dünya Modelleri, Ödül Modelleri ve Yeni VLA'lar
LeRobot v0.6.0: dünya modeli politikaları, yeni VLA'lar, ödül modelleri API'si, altı benchmark ve daha hızlı veri işleme geliyor.
Hugging Face'in açık kaynak robotik kütüphanesi LeRobot, v0.6.0 sürümüyle 'robot öğrenme döngüsünü' kapatmayı hedefliyor. Sürüm, eğitim sırasında geleceği örtük uzayda tahmin eden dünya modeli politikaları (VLA-JEPA, LingBot-VA, FastWAM) ile birlikte GR00T N1.7, MolmoAct2, EO-1, Multitask DiT ve EVO1 gibi yeni vision-language-action modellerini LeRobot'a taşıyor. Bu modellerin çoğu, ek çıkarım maliyeti olmadan dünya modeli denetimi sağlıyor ya da tek bir tüketici GPU'sunda çalışabilecek kadar küçültülmüş.
Başarı tespiti tarafında, birleşik bir ödül modelleri API'si (lerobot.rewards) geliyor: Robometer, ham video ve dil talimatından görev ilerlemesini genel amaçlı olarak puanlarken, TOPReward mevcut bir VLM'i sıfır atışlı ödül fonksiyonuna dönüştürüyor. Bu, davranış klonlamasında ödül farkındalığı ve veri seti kalite kontrolü için önemli bir eksiği kapatıyor.
Dağıtım tarafında yeni lerobot-rollout CLI'ı, insan müdahaleli DAgger tarzı düzeltmeleri destekliyor ve başarısızlıkları eğitim verisine dönüştürüyor; altı yeni simülasyon benchmarkı lerobot-eval altında birleştirildi. FSDP eğitimi ve Hugging Face Jobs üzerinden bulut eğitimi de büyük modelleri daha erişilebilir kılıyor.
Veri seti tarafında derinlik (depth) desteği, VLM destekli otomatik dil etiketleme, özelleştirilebilir video kodlama ve iki kata varan daha hızlı veri yükleme ile birlikte kurulum süreci de sadeleştirildi. Mühendisler için bu sürüm, robot politikalarını değerlendirme, iyileştirme ve dağıtma sürecini tek bir ekosistemde toparlıyor.