让机器人学会想象、评估与自我改进

在策略层，LeRobot v0.6.0 把“世界模型是否能帮助机器人决策”变成了可落地的实验。VLA-JEPA 基于 Qwen3-VL-2B，让策略在训练时由 JEPA 世界模型预测未来帧，推理时则丢弃世界模型，从而以零额外开销换取想象式监督；LingBot-VA 进一步以自回归方式同步预测未来视频与动作片段，推理可在单卡 24–32GB GPU 上完成；FastWAM 把约 5B 参数的视频生成专家与紧凑动作专家合一，推理时跳过“做梦”直接去噪动作块。

视觉-语言-动作模型库继续扩容。GR00T N1.7 用 Cosmos-Reason2-2B 取代旧版 VLM，并接入流匹配动作头，与 NVIDIA 官方实现保持输入输出一致；MolmoAct2 由 Allen Institute for AI 推出，覆盖微调、评估到真机部署全流程，预置校准使其在 SO-100/101 上可零样本运行；EO-1 由论文作者亲自贡献，基于 Qwen2.5-VL-3B；Multitask DiT 把 TRI 大行为模型配方迁移进来，一个约 4.5 亿参数的扩散 Transformer 可通过自然语言切换多任务；EVO1 仅 0.77B 参数，主打在中等显卡上实时微调与推理。

奖励模型首次拥有统一入口 lerobot.rewards，接口风格与策略层保持一致。Robometer 是一个预训练通用奖励模型，接收视频与语言指令后即可给出任务进度与成功度分数；TOPReward 提供互补的成功检测能力，配合既有的 HIL-SERL 分类器与 SARM，覆盖成功判定与进度估计两类核心需求，为后续强化学习与偏好微调提供了直接可用的奖励信号。

评估与部署被统一到命令行工具 lerobot-eval 与 lerobot-rollout 中：六项新增仿真基准在同一个 CLI 下完成比较，rollout 工具支持 DAgger 风格的“人在回路纠错”，把每一次部署失败即时转化为训练样本。训练层面同步引入 FSDP，可训练超过单卡显存的模型，并支持 Hugging Face Jobs 云端训练，把本地 GPU 与云端算力放进同一条工作流。

数据集与工程基础也得到加强。新版本支持深度通道端到端贯通，并加入基于 VLM 的自动语言标注流水线，可自定义视频编码格式，数据加载速度最高提升 2 倍；安装包进一步瘦身，依赖更少、环境更干净，整体朝着“即装即用”的方向演进。

要点

• LeRobot v0.6.0 引入世界模型策略 VLA-JEPA、LingBot-VA、FastWAM，分别在潜空间、视频与动作专家三种路径上实现“想象未来”。
• 视觉-语言-动作模型库新增 GR00T N1.7、MolmoAct2、EO-1、Multitask DiT、EVO1，参数规模覆盖 0.77B 到 5B，并补齐微调、评估、真机部署全流程。
• 全新 lerobot.rewards API 统一封装 Robometer、TOPReward、HIL-SERL、SARM 四种奖励模型，让成功判定与进度估计首次拥有标准接口。
• lerobot-eval 把六项仿真基准纳入同一 CLI，lerobot-rollout 支持 DAgger 式人在回路纠错，使部署失败即时回灌为训练数据。
• FSDP 与 Hugging Face Jobs 云端训练同步上线；数据集新增深度通道、VLM 自动语言标注与自定义视频编码，加载速度最高提升 2 倍。