LeRobot v0.7.0公開：対話型言語指示、データストリーミング、リモート推論、4つの世界行動モデル；FSDP1とW&Bを置換、旧非同期モジュールは削除しremote/policy serverへ移行、ベンチマークは作者報告

2026年11月5日、LeRobotチームはHugging Faceで「LeRobot v0.7.0: From Terabytes to Prompting Robots」を公開しました。GitHubのリリースページには破壊的変更が列挙されています。LeRobotは、データ、学習、ロボットポリシーの実行のためのオープンなロボティクスライブラリです。今回のリリースはインストール、学習、推論、ハードウェア層を作り直しており、機能一覧であると同時にアップグレードの警告でもあります。以下のベンチマークの数字はすべてプロジェクト側または上流のモデル作者の報告で、私たちはどれも再現していません。

目玉は、ループに言語を入れることです。ロールアウトツールでインタラクティブモードを有効にすると、ロボットの接続とポリシーが指示の合間もロード済みのままになり、オペレーターはロボットが動く間にコマンドを入力します。サブタスクを切り替えるコマンド、ポリシーに何が見えているかを尋ねるコマンド、そして目標を与えて、オペレーターが制御を取り戻すまでポリシーに自分でサブタスクを選ばせるコマンドです。後の二つは、FineART-VLAやWall-OSS-0.5のようなテキストを生成するポリシー、またはOpenAI互換APIの背後にある外部プランナーが必要です。Scale AIとHugging Faceによる FineART は、4万超の双腕エピソード(1,718時間)に53.3万超のサブタスク注釈が付いたデータセットで、LeRobot形式で1.9TBあります。

データの経路も変わりました。ストリーミングモードは、学習に必要な動画のバイト範囲だけをHubやストレージバケットから取得し、エポックごとに各フレームを一度ずつ訪れ、再開も決定的です。チームはデータローダーのワーカー4つで毎秒のサンプル数が2.1〜2.5倍になったと報告しています。LanceDBのデータセットはその場で読み込め、全体シャッフルもできます。画像拡張をGPUに移すと、ACTの学習がH100で2.8倍、A100で3.3倍速くなると報告されています。リリースノートには目立たないが重要な変更もあります。モーションブラー、ランダムな影、ガンマ補正などの拡張は、以前はuint8フレームでは何もしていなかったのが、今は実際に適用されます。そのため、再学習したポリシーは、この点だけでも挙動が変わる可能性があります。

学習は、50億〜200億パラメーターのワールドアクションモデル向けに作り直されました。FSDP1はFSDP2とHSDPのシャーディング、分散チェックポイントに置き換わります。H200を8枚積んだノードで60億パラメーターのFastWAMを使った場合、プロジェクトはチェックポイントの保存が3倍速くなり、再開時のGPUあたりのピークが143GBから42GBに下がると報告しています。ワールドアクションモデルが4つ、視覚言語行動モデルが4つ加わりました。報告されたLIBEROの結果は上限に近いものです。Cosmos 3 Nano(165億パラメーター)が97.90%、Cosmos 3 Edge(46億)が97.95%、LaWAMは2,000エピソード中1,970件成功して98.5%でした。Long-WAMはIDMモードで99.00%、CODモードで98.45%で、各モードは2,000エピソード超です。LingBot-VLA 2.0は、RoboTwin 2.0のクリーン条件で93.5%、上流の比較対象pi-0.5が82.7%と報告し、CUDAグラフとtorch.compileにより、RTX PRO 6000のbf16でアクションチャンク1つが約756ミリ秒から約120ミリ秒になるとしています。G0.5モデルはApache 2.0ではなく非商用のコミュニティライセンスで公開されています。

リモート推論により、ロボットの隣にはノートPCやシングルボードコンピューターを置き、GPUワークステーションでポリシーを動かせます。カメラ、モーター、記録はローカルに残り、観測が送られ、アクションのチャンクが戻ります。クライアントは重なるチャンクを揃えて混ぜ合わせ、推論の遅延を隠します。評価の報告も改善されました。評価ツールは成功数を95%のウィルソン信頼区間付きで出力します。記事は10エピソード中9成功の例を90.0%、区間59.6%〜98.2%と示しています。この区間は、ほぼ飽和したベンチマークでの数十分の一ポイントの差にはほとんど情報がないことを思い出させます。

既存のユーザーにとっては、どの機能よりも破壊的変更が重要です。Weights & BiasesはTrackioに置き換わり、コマンドラインのオプションはwandbからtrackioに変わります。FSDP1はなくなり、0.6.x以前で保存したFSDPチェックポイントは再開できません(重みの読み込みは可能)。非同期推論モジュールとそのインストール用extraは削除され、remote extraに替わります。PEFTオプションだけを指定すると、以前は黙って全体をファインチューニングしていたのが、今はLoRAで学習します。Linuxでは、torchとtorchvisionがPyPIのCUDA 13ビルドになり、NVIDIAドライバー580.65以降が必要です。シミュレーターのモジュールは移動し、環境オプションがいくつか削除され、FeetechとDynamixelのモーターバスは新しいシリアルライブラリで書き直され、古いクラスは非推奨のエイリアスとしてのみ残ります。記事は、I2RTのYAMアーム、reBot B601、23自由度のUnitree G1への対応も加わり、Hubにはこの形式のオープンなフィジカルAIデータがほぼ300TBあると述べています。

私たちの見方です。これは大きく動きの速いアップグレードで、依存関係を上げる前に破壊的変更の一覧を読むのが賢明です。FSDPのチェックポイント、Weights & Biasesのダッシュボード、非同期推論のスクリプトがあるチームには、具体的な移行作業があります。モデルの結果はベンチマークの上限に近く、モデル作者が出したもので、新しいロボットでの性能はほとんど語りません。自分のタスクでモデルを評価してください。インタラクティブとリモートの機能は、日々のロボットの操作を変えるため、最も早く試す価値があります。