LeRobot v0.6.0 imagina el futuro durante el entrenamiento, luego la inferencia es gratuita

La tensión central en el aprendizaje robótico siempre ha sido la brecha entre lo que una política ve y lo que necesita predecir. Un robot que agarra una taza no solo necesita conocer los ángulos articulares actuales. Necesita anticipar dónde estará la taza cuando sus dedos se cierren. Los enfoques tradicionales o ignoran ese futuro por completo (clonación conductual) o lo simulan a un costo computacional paralizante (control predictivo con generación de video). the-math-says-general-ai-is-a-myth-biology-markets-and-machine-learning-all-agree

Modelos del mundo que entrenan duro, infieren ligero

LeRobot v0.6.0 ataca este compromiso de frente con tres políticas de modelos del mundo que aprenden a imaginar el futuro durante el entrenamiento, pero eliminan esa imaginación en la inferencia. El diseño más llamativo es VLA-JEPA, que combina un VLA compacto basado en Qwen3-VL-2B con un modelo del mundo JEPA que debe anticipar fotogramas futuros a partir de las propias acciones del modelo. Debido a que el modelo del mundo desaparece en la inferencia, la política obtiene el beneficio de la conciencia futura durante el entrenamiento sin costo adicional en tiempo de ejecución. Hay tres puntos de control listos para usar en el Hub, incluida una base preentrenada con DROID para ajuste fino. alibabas-qwen-readies-its-next-leap-a-35b-agent-world-model-and-the-quiet-expansion-of-the-qwen3-family

LingBot-VA toma una ruta diferente: un modelo autoregresivo video-acción que predice video y acciones futuras juntos, fragmento por fragmento, utilizando observaciones reales para mantener su imaginación fundamentada. Los usuarios incluso pueden guardar lo que el robot imaginó y compararlo con los resultados reales. El modelo se ejecuta en una sola GPU de 24-32 GB. FastWAM, por su parte, empareja un experto en generación de video de ~5B con un experto en acciones compacto en una sola red. Aprende a imaginar sus propias ejecuciones antes de saltarse el sueño en la inferencia. how-nvidias-gr00t-17-cuts-the-distance-between-teleoperation-and-real-world-robot-learning

El zoológico VLA recibe cinco nuevos residentes

El lanzamiento también incluye una ola de nuevos modelos visión-lenguaje-acción, reflejando el ritmo acelerado de la investigación en VLA. La integración GR00T de NVIDIA salta a N1.7, intercambiando el VLM anterior por Cosmos-Reason2-2B con una implementación probada de Isaac-GR00T. MolmoAct2 del Allen Institute for AI ahora es totalmente compatible con ajuste fino, evaluación y despliegue en robots reales, requiriendo solo ~12 GB en bf16. EO-1, contribuido por uno de sus propios autores, trae un backbone Qwen2.5-VL-3B con flow-matching. El Multitask Diffusion Transformer permite que un solo modelo de ~450M de parámetros aprenda muchas tareas condicionadas al lenguaje natural. EVO1 empaqueta un diseño InternVL3-1B de 0.77B de parámetros para presupuestos modestos de GPU. the-specialization-revolution-how-smaller-models-are-redefining-ais-future

Modelos de recompensa: finalmente saber cuándo el robot tiene éxito

La detección de éxito ha sido durante mucho tiempo una pieza faltante en el bucle de aprendizaje robótico. LeRobot v0.6.0 la llena con una API de modelos de recompensa unificados detrás de la interfaz lerobot.rewards. Robometer, un modelo de recompensa preentrenado de propósito general construido sobre Qwen3-VL-4B, puntúa el progreso de la tarea y el éxito a partir de video bruto más una instrucción en lenguaje natural sin entrenamiento específico de la tarea. Fue entrenado en más de un millón de trayectorias robóticas. TOPReward es completamente zero-shot: envuelve cualquier VLM y lee la probabilidad logarítmica del token "True" dado el video de la trayectoria y la instrucción. Ambos vienen con scripts de etiquetado que escriben curvas de progreso por fotograma en los datasets, permitiendo la clonación conductual consciente de recompensas y la inspección de la calidad del dataset. hugging-face-showcases-slack-native-coding-agent-and-ai-research-highlights

Benchmarks: una CLI para gobernarlos a todos

El lanzamiento integra seis nuevos benchmarks de simulación en una sola CLI lerobot-eval. LIBERO-plus pone a prueba los VLA con aproximadamente 10,000 variantes de tareas perturbadas en siete ejes. RoboTwin 2.0 cubre 50 tareas de manipulación bimanual con una fuerte aleatorización del dominio. RoboCasa365 abarca 365 tareas de cocina en 2500 cocinas generadas proceduralmente. RoboCerebra prueba el comportamiento de largo horizonte con subobjetivos encadenados. RoboMME es un examen de memoria que cubre conteo, objetos ocultos e imitación. VLABench prueba el conocimiento y el razonamiento en manipulación, desde preguntas de física hasta tareas compuestas como preparar café. Cada uno incluye una imagen Docker y un punto de control de referencia SmolVLA probado en CI.

Código más ligero, datos más rápidos, entrenamiento en la nube

El código base se vuelve más ligero: pip install lerobot ahora incluye aproximadamente un 40% menos de dependencias base con extras con ámbito de funcionalidad. La codificación de video expone la superficie completa del codificador con detección de aceleración de hardware para NVENC, VAAPI y otros. La grabación de profundidad es integral con soporte Intel RealSense. La carga de datos se acelera hasta 2x con decodificación paralela de múltiples cámaras y cachés de trabajador persistentes. La nueva CLI lerobot-annotate utiliza un VLM para marcar automáticamente las marcas de tiempo de subtareas, planes y correcciones a lo largo de los episodios. El entrenamiento FSDP permite que modelos más grandes que una sola GPU se fragmenten entre trabajadores. Y el mismo comando lerobot-train se ejecuta en la nube con un único indicador job.target, soportando desde un T4 hasta 8x H200. sippsh-launches-open-source-library-for-local-ai-inference-with-3x-to-5x-speedup

Un enfoque DRY para el aprendizaje robótico

La filosofía guía detrás de v0.6.0 es Don't Repeat Yourself, aplicado no al código sino al cómputo. Cada nueva característica optimiza el traslado de la inteligencia del tiempo de ejecución al tiempo de entrenamiento: modelos del mundo que desaparecen en la inferencia, modelos de recompensa que se preentrenan en un millón de trayectorias para que no tengas que reetiquetar, benchmarks que prueban muchas perturbaciones sin reentrenar. El resultado es un framework que no solo colecciona modelos. Sistematiza la creciente comprensión de que el cuello de botella del aprendizaje robótico no es la arquitectura del modelo, sino la eficiencia de los datos y el rigor de la evaluación. how-open-source-risc-v-is-disrupting-the-processor-market-and-reshaping-hardware-design

Junto con las nueve familias de benchmarks ahora unificadas bajo un mismo techo, la nueva CLI lerobot-rollout que soporta correcciones estilo DAgger, y el entrenamiento en la nube en HF Jobs, LeRobot v0.6.0 se posiciona como el sistema operativo para la investigación en robótica de código abierto. El volante del aprendizaje robótico: implementar, recopilar correcciones, ajustar, repetir, ahora está a un indicador CLI de distancia.