LeRobot v0.6.0：想象、评估、改进

LeRobot 机器人学习框架发布 v0.6.0 版本，核心变化是让机器人学会“先想象再行动”。这个新版本引入了世界模型策略、奖励模型评估系统、部署命令行工具，以及六个新的模拟基准测试，旨在打通机器人学习的完整闭环。 此次更新的核心是三种世界模型策略：VLA-JEPA、FastWAM 和 LingBot-VA。它们都在训练过程中学习预测未来，但路径不同。VLA-JEPA 基于 Qwen3-VL-2B 构建，在训练时使用 JEPA 世界模型预测未来帧，但推理时世界模型会消失，实现零额外推理成本的世界模型监督。LingBot-VA 更进一步，是一个自回归视频-动作模型，能同时预测未来视频和动作，并实时反馈真实观测来保持想象力的准确性，推理时只需单张 24-32GB GPU。FastWAM 则将一个约 50 亿参数的视频生成专家与紧凑的动作专家配对，让模型学会“做梦”自己的 rollout，但推理时跳过做梦过程，直接去噪动作块。 除了世界模型，v0.6.0 还带来了大量新 VLA 模型，包括 GR00T N1.7、MolmoAct2、EO-1、EVO1 和 Multitask DiT。同时新增了奖励模型 API（Robometer、TOPReard），让机器人能判断自己是否成功完成任务。数据集方面支持深度传感、VLM 驱动的自动语言标注、自定义视频编码，数据加载速度提升最多 2 倍。部署工具 lerobot-rollout 支持 DAgger 风格的人机交互校正，失败案例可直接转化为训练数据。训练方面支持 FSDP 分布式训练和 HuggingFace Jobs 云端训练，安装包也做了精简。 对于中国跨境电商卖家和 AI 从业者来说，LeRobot v0.6.0 的意义在于降低了机器人策略开发的入门门槛。世界模型让机器人能“预演”动作后果，减少试错成本；奖励模型让自动化评估成为可能；部署工具让失败数据能自动回流训练。这些能力对仓储物流、分拣包装等场景的机器人应用有直接价值。特别是 VLA-JEPA 这类零推理成本的世界模型，意味着在边缘设备上也能获得更好的决策能力，而不需要额外算力。