LeRobot v0.5.0: la robotica open source cresce in ogni direzione
- Fonte: Hugging Face / GitHub
- Autore: Open Source Robotics
- Pubblicato: 2026-03-09
- Categoria: research
Hugging Face pubblica LeRobot v0.5.0: supporto all'umanoide Unitree G1, OpenArm e motori su bus CAN, Pi0-FAST e Real-Time Chunking tra sei novità sulle policy, registrazione dei dataset in streaming, EnvHub e IsaacLab-Arena, su Python 3.12 e Transformers v5.
Rettifica — 29 ottobre 2026. Una versione precedente di questo articolo affermava che la v0.5.0 portava 286 modelli preaddestrati, 83 dataset, un'integrazione con SmolVLM e il nuovo supporto a Lekiwi e Moss v1. Niente di tutto questo è presente nella release. Questa versione è stata riscritta a partire dal post di presentazione di Hugging Face e dalle note di rilascio.
---
Hugging Face ha pubblicato LeRobot v0.5.0, che il suo team definisce la release più grande della libreria finora: oltre 200 pull request integrate e più di 50 nuovi contributori dalla v0.4.0. Aggiunge il primo umanoide della libreria, sei nuove policy e tecniche, registrazione dei dataset e addestramento più veloci, ambienti di simulazione caricati direttamente dall'Hugging Face Hub e una base di codice modernizzata su Python 3.12 e Transformers v5.
Hardware
La novità principale è il supporto completo all'umanoide Unitree G1, che copre locomozione, manipolazione, teleoperazione e controllo del corpo intero. Accanto a esso arrivano il braccio OpenArm con il suo teleoperatore OpenArm Mini (entrambi utilizzabili in configurazioni a due bracci), Earth Rover, il primo robot mobile da esterni di LeRobot, e il braccio OMX. Il codice di SO-100 e SO-101 è stato unificato in un'unica implementazione. Il supporto al bus CAN per i controller dei motori RobStride e Damiao apre LeRobot ad attuatori con coppia più elevata, oltre ai servo Dynamixel e Feetech già supportati.
Policy
- Pi0-FAST riporta in LeRobot i modelli vision-language-action autoregressivi, che generano le azioni come token discreti con il tokenizer FAST invece del flow matching di Pi0. - Real-Time Chunking, una tecnica di inferenza di Physical Intelligence, fonde le nuove previsioni con le azioni già in corso, così le policy basate su flow matching (la famiglia Pi0, SmolVLA e Diffusion Policy) reagiscono più rapidamente. - Wall-X, una policy vision-language-action costruita su Qwen2.5-VL con una testa d'azione a flow matching, e X-VLA, costruita su Florence-2 di Microsoft, ampliano la scelta dei backbone. - SARM (stage-aware reward modelling) stima in quale fase di un compito lungo si trova il robot e il suo avanzamento all'interno di quella fase, per aiutare l'addestramento di compiti in più passaggi. - Il supporto a PEFT consente di eseguire il fine-tuning di policy di grandi dimensioni con LoRA e metodi simili senza modificare la pipeline di addestramento.
Dataset e simulazione
La codifica video in streaming comprime i fotogrammi mentre vengono registrati, eliminando l'attesa tra un episodio e l'altro, e sceglie automaticamente un encoder hardware. Hugging Face riporta un addestramento circa 10× più veloce sui dataset di immagini e una codifica circa 3× più veloce. Nuovi strumenti per i dataset aggiungono l'annotazione dei sotto-compiti e la conversione da immagini a video. EnvHub carica gli ambienti di simulazione direttamente da un repository dell'Hub, e IsaacLab-Arena di NVIDIA porta compiti di manipolazione paralleli su GPU che girano su Isaac Sim.
Base di codice
LeRobot ora richiede Python 3.12 o successivo e Transformers v5, accetta policy di terze parti come plugin installabili (come la v0.4.0 aveva fatto per l'hardware), supporta la visualizzazione remota con Rerun e dispone di documentazione versionata. L'articolo scientifico su LeRobot è stato inoltre accettato a ICLR 2026.
Perché è importante
LeRobot va oltre i bracci da tavolo: un umanoide completo, attuatori su bus CAN con coppia più elevata e un rover da esterni girano ora sullo stesso stack aperto usato per i bracci a basso costo, e gli ambienti di simulazione si possono condividere tramite l'Hub come i modelli e i dataset.
Punti chiave
- Primo umanoide in LeRobot: Unitree G1, con locomozione, manipolazione, teleoperazione e controllo del corpo intero
- Nuovo hardware: OpenArm e OpenArm Mini, Earth Rover, OMX e motori RobStride e Damiao su bus CAN
- Sei novità sulle policy, tra cui Pi0-FAST, Real-Time Chunking, Wall-X, X-VLA, SARM e fine-tuning con LoRA
- La codifica video in streaming elimina l'attesa tra gli episodi registrati
- EnvHub carica gli ambienti di simulazione dall'Hub; IsaacLab-Arena aggiunge compiti paralleli su GPU
- Richiede Python 3.12+ e Transformers v5
Il lato open source
LeRobot è open source con licenza Apache 2.0. La release permette inoltre di collegare policy e hardware esterni come pacchetti separati, così la comunità può estenderlo senza modificare la libreria principale.
Tecnologie correlate
- Unitree G1
- OpenArm
- Pi0-FAST
- Real-Time Chunking
- X-VLA
- Wall-X
- IsaacLab-Arena
- Rerun
Articoli correlati
Progetti correlati
Link
- Fonte: https://github.com/huggingface/lerobot/releases/tag/v0.5.0