LeRobot v0.7.0 ajoute commandes en langage, flux de données, inférence distante et quatre modèles d’action ; FSDP1 et W&B sont remplacés, l’ancien module asynchrone supprimé au profit de remote/policy server, résultats rapportés par les auteurs

Le 5 novembre 2026, l’équipe LeRobot a publié sur Hugging Face « LeRobot v0.7.0: From Terabytes to Prompting Robots », avec une page de version GitHub qui liste les changements incompatibles. LeRobot est une bibliothèque libre de robotique pour les données, l’entraînement et l’exécution de politiques de robots. Cette version refait l’installation, l’entraînement, l’inférence et la couche matérielle ; c’est donc autant un avertissement de mise à niveau qu’une liste de fonctions. Tous les chiffres de performance ci-dessous sont rapportés par le projet ou par les auteurs des modèles en amont, et nous n’en avons reproduit aucun.

La fonction vedette est le langage dans la boucle. Quand le mode interactif est activé dans l’outil de déploiement, la connexion au robot et la politique restent chargées entre les instructions, et l’opérateur tape des commandes pendant que le robot bouge : une commande pour changer de sous-tâche, une pour demander à la politique ce qu’elle voit, et une pour donner un objectif afin que la politique choisisse elle-même ses sous-tâches jusqu’à ce que l’opérateur reprenne la main. Les deux dernières exigent une politique qui génère du texte, comme FineART-VLA ou Wall-OSS-0.5, ou un planificateur externe derrière une API compatible OpenAI. FineART, de Scale AI et Hugging Face, est un jeu de données de plus de 40 000 épisodes à deux bras (1 718 heures) avec plus de 533 000 annotations de sous-tâches, 1,9 To au format LeRobot.

Le chemin des données a aussi changé. Le mode flux ne récupère plus que les plages d’octets vidéo dont l’entraînement a besoin, depuis le Hub ou un compartiment de stockage, visite chaque image une fois par époque et reprend de façon déterministe ; l’équipe rapporte de 2,1 à 2,5 fois plus d’échantillons par seconde avec quatre travailleurs de chargement. Les jeux de données reposant sur LanceDB peuvent être lus sur place avec un mélange global. Déplacer l’augmentation d’images sur le GPU entraînerait ACT 2,8 fois plus vite sur un H100 et 3,3 fois plus vite sur un A100, selon le rapport. Les notes de version ajoutent un changement discret mais important : plusieurs augmentations, dont le flou de mouvement, l’ombre aléatoire et la correction gamma, étaient auparavant des opérations nulles silencieuses sur les images uint8 et s’appliquent désormais vraiment ; des politiques réentraînées peuvent donc se comporter autrement pour cette seule raison.

L’entraînement a été refait pour des modèles d’action du monde de 5 à 20 milliards de paramètres. FSDP1 est remplacé par FSDP2 et le partitionnement HSDP avec des points de contrôle distribués. Sur un nœud de 8 GPU H200 avec un FastWAM de 6 milliards de paramètres, le projet rapporte des sauvegardes de points de contrôle trois fois plus rapides et un pic de reprise qui passe de 143 Go à 42 Go par GPU. Quatre modèles d’action du monde et quatre modèles vision-langage-action sont ajoutés. Les résultats LIBERO rapportés sont proches du plafond : Cosmos 3 Nano (16,5 milliards de paramètres) à 97,90 % et Cosmos 3 Edge (4,6 milliards) à 97,95 %, LaWAM à 98,5 % (1 970 réussites sur 2 000 épisodes). Long-WAM atteint 99,00 % en mode IDM et 98,45 % en mode COD, chacun sur plus de 2 000 épisodes. LingBot-VLA 2.0 rapporte 93,5 % sur RoboTwin 2.0 en conditions propres contre 82,7 % pour pi-0.5 en amont, et avec les graphes CUDA et torch.compile un bloc d’actions prend environ 120 ms au lieu d’environ 756 ms sur une RTX PRO 6000 en bf16. Le modèle G0.5 est publié sous une licence communautaire non commerciale, pas sous Apache 2.0.

L’inférence distante permet de garder un portable ou un ordinateur monocarte près du robot pendant qu’un poste GPU exécute la politique. Caméras, moteurs et enregistrement restent en local, les observations partent et des blocs d’actions reviennent ; le client aligne et mélange les blocs qui se recouvrent, ce qui masque la latence d’inférence. Les rapports d’évaluation s’améliorent aussi : l’outil d’évaluation affiche désormais les succès avec un intervalle de confiance de Wilson à 95 %, et le billet donne l’exemple de 9 épisodes sur 10, soit 90,0 % avec un intervalle de 59,6 % à 98,2 %. Cet intervalle rappelle que quelques dixièmes de point sur un banc d’essai presque saturé n’apportent guère d’information.

Pour les utilisateurs actuels, les changements incompatibles comptent plus que n’importe quelle fonction isolée. Weights & Biases est remplacé par Trackio, et les options de ligne de commande passent de wandb à trackio. FSDP1 disparaît, et les points de contrôle FSDP enregistrés avec la version 0.6.x ou antérieure ne peuvent pas être repris, même si leurs poids se chargent encore. Le module d’inférence asynchrone et son extra d’installation sont supprimés au profit de l’extra remote. Passer seule l’option PEFT entraîne désormais un LoRA, alors qu’elle faisait auparavant un réglage fin complet sans le dire. Sous Linux, torch et torchvision viennent maintenant de PyPI en versions CUDA 13, qui exigent un pilote NVIDIA 580.65 ou plus récent. Les modules de simulateurs ont été déplacés, plusieurs options d’environnement supprimées, et les bus de moteurs Feetech et Dynamixel réécrits sur une nouvelle bibliothèque série, les anciennes classes ne subsistant que comme alias dépréciés. Le billet ajoute la prise en charge du bras I2RT YAM, du reBot B601 et d’un Unitree G1 à 23 degrés de liberté, et dit que le Hub contient désormais près de 300 To de données ouvertes d’IA physique à ce format.

Notre lecture : cette version est une mise à niveau importante et rapide, et la sagesse est de lire la liste des changements incompatibles avant de monter une dépendance. Les équipes qui ont des points de contrôle FSDP, des tableaux de bord Weights & Biases ou des scripts d’inférence asynchrone ont un travail de migration concret. Les résultats des modèles sont proches du plafond du banc d’essai, viennent des auteurs des modèles et disent peu de chose de la performance sur un nouveau robot ; jugez les modèles sur vos propres tâches. Les fonctions interactives et distantes sont celles qu’il vaut le mieux essayer tôt, car elles changent la façon d’utiliser un robot au quotidien.