Hugging Face、ロボット学習ライブラリ「LeRobot v0.6.0」を公開――未来を“想像”するワールドモデルや評価システムを統合
要点
- Hugging Faceは、オープンソースのロボット学習ライブラリ「LeRobot」の最新バージョン「v0.6.0」を公開した。
- 行動する前に未来の状態をシミュレートする「ワールドモデル」に基づいた制御ポリシーを新たにサポートした。
- ロボット動作の成功判定を行う報酬モデルAPIが導入され、6つのシミュレーション環境が評価ツールに統合された。
- 人間が介入して動作ミスを修正し学習データに変える、デプロイ用のコマンドラインツール「lerobot-rollout」が追加された。
- データの読み込み速度が最大2倍に向上したほか、深度センサーへの対応や自動言語アノテーションなどデータ周りも大幅に強化された。
リード文
Hugging Faceは2026年7月7日、ロボット学習のためのオープンソースライブラリ「LeRobot」の最新バージョン「v0.6.0」を公開した。今回のアップデートは、ロボットが行動を起こす前に未来を「想像」する技術や、動作の成否を判定する仕組み、シミュレーション評価環境などを統合し、ロボット学習のサイクルを完結させることを目指したものだという。
本文
未来を「想像」するワールドモデルと追加されたVLAモデル
LeRobot v0.6.0では、実際に行動する前に未来の状況を予測する「ワールドモデル」（周囲の環境変化をシミュレートするAI技術）を応用した制御ポリシー（ロボットの動作ルール）が導入された。具体的には、「VLA-JEPA」「FastWAM」「LingBot-VA」といった制御ポリシーが利用可能になったという。これにより、ロボットが周囲の変化を先読みしながら動作を行うことが期待される。
さらに、画像やテキストの入力からロボットの具体的なアクション（行動）を生成する「VLA（Vision-Language-Action）」モデルの選択肢も大幅に拡大した。今回のアップデートでは、新たに「GR00T N1.7」「MolmoAct2」「EO-1」「EVO1」「Multitask DiT」といった最新のVLAモデル群がライブラリのモデル集（モデルズー）に加わっている。
動作の成否を見分ける「報酬モデル」と評価システムの統合
ロボットがタスクを達成できたかどうかを判定する仕組みとして、新たに「報酬モデルAPI」が導入された。これには、動作の成功率を測定・分析するための「Robometer」や「TOPReward」といったツールが含まれている。
また、作成したモデルを効率的かつ統一的に評価するため、6つの新しいシミュレーションベンチマークが「lerobot-eval」として統合された。ユーザーは単一のコマンドライン（CLI）操作を通じて、さまざまなシミュレーション環境でロボットの性能を測定・比較できるようになった。
実機デプロイと学習プロセスの効率化
実機への展開（デプロイ）を支援するため、専用のコマンドラインツール「lerobot-rollout」が新たに追加された。このツールには、ロボットが動作に失敗した際に人間が介入して正しい動作へと軌道修正を行い、その失敗パターンを新たな学習データとして再利用する「DAgger（Dataset Aggregation）」スタイルのヒューマン・イン・ザ・ループ（人間介在型）機能が備わっている。これにより、失敗を学習の糧にしながら動作精度を向上させることが可能だという。
学習環境においても、GPU（画像処理半導体）の単体メモリ容量を超える巨大なモデルをトレーニングできるよう、メモリ効率を高める技術「FSDP（Fully Sharded Data Parallel）」をサポートした。さらに、Hugging Faceが提供するクラウド計算プラットフォーム「HF Jobs」を利用したクラウドトレーニングも行えるようになっている。
データセット機能の拡充と軽量化
データ収集やデータセットの管理機能も、実用性を重視して大幅に強化されている。
まず、カメラ画像だけでなく距離情報を扱う「深度（デプス）センサー」からの入力データにエンドツーエンドで対応した。また、VLM（視覚と言語を処理するAIモデル）を利用して、収集したロボットデータに自動で言語説明（テキストアノテーション）を付与する機能も搭載された。これにより、大規模なデータセットの構築が容易になるという。
動画データの保存においても、用途に合わせたカスタムビデオエンコーディング（圧縮・符号化技術）が指定可能になった。これらデータセット機能の改良により、データの読み込み速度は従来に比べて最大で2倍高速化されたとしている。
なお、今回のリリースに合わせてインストールプロセスも見直され、不要な依存パッケージを削減したよりクリーンで軽量なセットアップが可能になった。