LeRobot 0.7.0、ワールドアクションモデルとリモート推論に対応し、学習基盤を作り直す
- 出典: Hugging Face (LeRobot team)
- 著者: Open Source Robotics
- 公開日: 2026-11-05
- カテゴリ: research
Hugging Face は 11 月 5 日に LeRobot v0.7.0 を公開しました。対話型ロールアウトを正式リリースに含め、4 つのワールドアクションモデルと 4 つの視覚・言語・行動（VLA）モデルに対応し、数十億パラメータ規模のモデル向けに学習を作り直し、ロボットがリモートの GPU でポリシーを動かせるようにしました。0.6 からのアップグレードでは、インストール、実験管理、モータードライバーが変わります。
Hugging Face のオープンソースのロボット学習ライブラリ LeRobot が、v0.6.1 から3か月後の11月5日に v0.7.0 をリリースしました。チームのリリース記事によれば、今回のリリースは方策のライフサイクルの両端に取り組んでいます。テラバイト規模のデモンストレーションを事前にダウンロードせずに学習すること、そして方策の実行中にロボットと対話することです。また、インストール、学習、推論、ハードウェア層も作り直されているため、0.6 からのアップグレードにはいくつかの変更が必要です（最後のセクションを参照）。
実行中の方策と対話する
メインブランチに入った時点で取り上げたインタラクティブロールアウトが、正式リリースに含まれました。lerobot-rollout に --interactive=true を付けると、ロボット、方策、プロセッサーが読み込まれたまま維持されます。/subtask はアームの動作中に指示を変更し、/vqa は方策に何が見えているかを尋ね、/autosteer は目標を与えて方策自身にサブタスクを選ばせます。後の二つには、テキストを出力する方策が必要です。たとえば FineART-VLA（FineART データセットで学習）、Wall-OSS-0.5、あるいは OpenAI 互換 API の背後にある外部のビジョン言語モデルです。
新しいモデル
未来の映像と次の行動を同時に予測するワールドアクションモデルが4つ、ライブラリに加わりました。
- NVIDIA の Cosmos 3。16.5B の Nano と 4.6B の Edge の2サイズ。チームの報告では LIBERO での平均成功率はそれぞれ 97.90% と 97.95% で、どちらもフルファインチューニングと LoRA の両方に対応しています。 - Black Forest Labs の FLUX 3 Action。LeRobot では推論と LoRA ファインチューニングを実行でき、新しいエンボディメントの学習には Black Forest Labs 自身の flux-action リポジトリを使います。 - RLinf チームの LaWAM。潜在空間でダイナミクスを学習します。 - NVIDIA の LongLive チームの Long-WAM。長いコンテキスト向けに作られています。
ビジョン言語アクションモデルも4つ加わりました。行動の前に現在のサブタスクを書き出す OpenGalaxea の G0.5、Robbyant の LingBot-VLA 2.0、Dexmal の DM0.5（OpenDM から移植）、そして X Square Robot の Wall-OSS-0.5 です。
大規模な学習とデータ
- FSDP1 は FSDP2 と HSDP シャーディング、勾配累積、分散チェックポイントに置き換えられました。6B モデルを使った 8×H200 ノードで、チームはチェックポイントの保存が3倍速くなり、再開時のメモリーピークが GPU あたり 143 GB から 42 GB に下がったことを測定しています（マルチ GPU のドキュメント）。 - 学習に FP16 混合精度、オプションの重みの移動平均（EMA）、そして Hugging Face のオープンソースのトラッカー Trackio が加わりました。Trackio は Weights & Biases を完全に置き換えます。 - 画像のデータ拡張を GPU 上で実行できるようになり、チームの測定では ACT の学習が H100 で2.8倍、A100 で3.3倍高速になりました。 - ダウンロードなしでの Hub からの学習（当サイトの記事）と LanceDB テーブルからの学習（当サイトの記事）は、どちらもこのリリースに含まれています。
リモート推論、シミュレーション、ハードウェア
- lerobot-policy-server は GPU マシンでモデルを実行し、ロボットの横にあるノート PC やシングルボードコンピューターがカメラ、モーター、記録を担当します。サーバーが次のチャンクを計算している間、ロボットはバッファーされた行動に従います。通信には Zenoh を使います（ドキュメント）。 - すべてのシミュレーターが一つのコアを通じて、プロセス内で、あるいは lerobot-env-server の背後にある独自の Docker イメージで動くようになり、シミュレーター同士が依存関係のバージョンで衝突しなくなりました。この仕組みで動く最初のベンチマークは NVIDIA の RoboLab で、Isaac Lab 上の DROID Franka 構成向けの120個の卓上タスクからなります。lerobot-eval は、すべての成功率に95%信頼区間を併記するようになりました。 - ハードウェア：1台または2台の I2RT YAM アーム、Damiao モーターに加え RobStride モーターでも動く reBot B601、そして NVIDIA の SONIC 全身制御コントローラーのデコーダーを実行する Unitree G1（以前取り上げました）、さらに23自由度の G1。
アップグレードの前に
- Linux では、torch が PyPI から CUDA 13 ビルドとして提供されるようになり、NVIDIA ドライバー 580.65 以降が必要です。古いドライバーの場合は、先に CUDA 12 のインデックスから torch をインストールしてください（インストールガイド）。macOS はバージョン 14 以降が必要です。 - --wandb. オプションは --trackio. になり、チェックポイントはデフォルトではアーティファクトとしてアップロードされなくなりました。 - 0.6 以前で保存した FSDP チェックポイントからは学習を再開できませんが、重みは引き続き読み込めます。 - lerobot[async] と lerobot.async_inference は廃止されました。代わりに lerobot[remote] をインストールしてください。 - Feetech と Dynamixel のモーターは、rustypot ベースの一つのバスを共有するようになりました。旧クラス名は非推奨のエイリアスとして引き続き使え、キャリブレーションファイルは変更ありません。 - --policy.use_peft=true は LoRA で学習するようになりました。以前は、警告なしにフルファインチューニングを実行していました。
重要な理由
LeRobot は多くのオープンなロボットのポリシー、データセット、アームが集まる場所であり、このライブラリが何に対応しているかで、趣味や研究室の多くの環境が独自のつなぎのコードを書かずに試せるものが決まります。今回のリリースは、ワールドアクションモデルを含む最新のモデル群を、従来のポリシーと同じ学習・ロールアウトのコマンドで使えるようにし、リモート推論によって、ロボットに載せた小さなコンピューターが動かせるモデルを制限することもなくなりました。互換性のない変更も同じくらい重要です。動作中の 0.6 環境がある人は、更新前にアップグレードの注意点を読んでください。
主なポイント
- LeRobot v0.7.0 は v0.6.1 から 3 か月後の 11 月 5 日に公開されました。
- 対話型ロールアウトが正式リリースに入り、実行中のポリシーの指示を変えたり、何が見えているかを尋ねたり、目標を与えたりできます。
- 4 つのワールドアクションモデル（Cosmos 3、FLUX 3 Action、LaWAM、Long-WAM）と 4 つの VLA（G0.5、LingBot-VLA 2.0、DM0.5、Wall-OSS-0.5）に対応しました。
- lerobot-policy-server は GPU マシンでモデルを動かし、ロボット自身のコンピューターはカメラとモーターを担当します。
- アップグレードでインストール（CUDA 13 ビルド）が変わり、Weights & Biases は Trackio に置き換えられ、Feetech と Dynamixel のモーターは 1 つの rustypot バスに移ります。
オープンソースの観点
LeRobot 自体は Apache-2.0 ですが、今回読み込めるようになったモデルの条件はさまざまです。LingBot-VLA 2.0 は Apache-2.0、Cosmos 3 のチェックポイントは OpenMDW 1.1 ライセンスですが、G0.5 は非商用、DM0.5 と FineART-VLA は Gemma の利用条件に従い、FLUX 3 Action は Black Forest Labs 独自の FLUX Kommunity License のもとでアクセス申請が必要です。チェックポイントを使って何かを作る前に、モデルカードを確認してください。
関連技術
- World action models
- Vision-language-action models
- FSDP2
- Remote inference
- Zenoh
関連プロジェクト
リンク
- 出典: https://huggingface.co/blog/lerobot/lerobot-release-v070