LeRobot v0.7.0发布：交互式语言指令、流式数据、远程推理与四个世界动作模型；FSDP1和W&B被替换，旧异步推理模块移除并迁往remote/policy server，基准为项目或作者报告

2026年11月5日，LeRobot团队在Hugging Face上发表《LeRobot v0.7.0：从TB级数据到用提示词指挥机器人》，GitHub发布页列出了破坏性变更。LeRobot是一个开源机器人库，用于数据、训练和运行机器人策略。这个版本重构了安装、训练、推理和硬件层，所以它既是功能清单，也是一份升级警告。下面所有基准数字都由项目方或上游模型作者报告，我们没有复现其中任何一个，也没有在自己的机器人上验证这些功能。

最醒目的功能是把语言放进控制回路。在rollout工具里打开交互模式后，机器人连接和策略会在两次指令之间保持加载，操作者在机器人运动时输入命令：一个命令用来更换子任务，一个命令用来询问策略它看到了什么，还有一个命令给出目标，让策略自己挑选子任务，直到操作者收回控制。后两个命令需要能生成文本的策略，例如FineART-VLA或Wall-OSS-0.5，或者一个位于兼容OpenAI的API后面的外部规划器。FineART由Scale AI和Hugging Face提供，是一个包含4万多个双臂回合（1,718小时）、53.3万多条子任务标注、LeRobot格式下1.9 TB的数据集。

数据路径也变了。流式模式现在只获取训练所需的视频字节范围，来源可以是Hub或存储桶，每个轮次每帧访问一次，并能确定性地恢复；团队报告在四个数据加载进程下每秒样本数提高2.1到2.5倍。基于LanceDB的数据集可以原地读取并做全局洗牌。把图像增强移到GPU上，据报告在H100上训练ACT快2.8倍，在A100上快3.3倍。发布说明里还有一条不显眼但重要的变化：运动模糊、随机阴影和伽马校正等几种增强，此前在uint8帧上其实是静默的空操作，现在才真正生效，所以重新训练的策略仅因此一点就可能表现不同，对比新旧版本的结果时要把这一点考虑进去。

训练部分为50到200亿参数的世界动作模型重新搭建。FSDP1被FSDP2和HSDP分片以及分布式检查点取代。在一个8卡H200节点上用60亿参数的FastWAM，项目报告检查点保存快三倍，恢复时每卡峰值从143 GB降到42 GB。新增四个世界动作模型和四个视觉语言动作模型。报告的LIBERO成绩接近上限：Cosmos 3 Nano（165亿参数）为97.90%，Cosmos 3 Edge（46亿）为97.95%，LaWAM在2,000个回合中成功1,970次，为98.5%。Long-WAM的IDM模式为99.00%、COD模式为98.45%，每种模式均超过2,000个回合。LingBot-VLA 2.0报告在RoboTwin 2.0干净场景上为93.5%，上游对照的pi-0.5为82.7%；借助CUDA图和torch.compile，在RTX PRO 6000上以bf16运行时，一个动作块约需120毫秒，而此前约为756毫秒。G0.5模型采用非商业社区许可发布，不是Apache 2.0。

远程推理让笔记本或单板计算机留在机器人旁边，由GPU工作站运行策略。摄像头、电机和记录留在本地，观测发出去，动作块传回来；客户端对重叠的动作块做对齐和混合，从而隐藏推理延迟。评估报告也有改进：评估工具现在输出成功次数和95%的Wilson置信区间，文章举的例子是10个回合成功9个，即90.0%，区间为59.6%到98.2%。这个区间提醒我们，在接近饱和的基准上相差零点几个百分点，几乎不携带信息。

对现有用户来说，破坏性变更比任何单项功能都重要。Weights & Biases被Trackio取代，命令行选项从wandb改为trackio。FSDP1被移除，用0.6.x及更早版本保存的FSDP检查点无法恢复，不过它们的权重仍可加载。异步推理模块及其安装附加项被移除，改用remote附加项。只传PEFT选项现在会训练LoRA，而过去是静默地做全量微调。在Linux上，torch和torchvision现在从PyPI安装CUDA 13构建，需要NVIDIA驱动580.65或更新。模拟器模块被移动，若干环境选项被移除，Feetech和Dynamixel电机总线基于新的串口库重写，旧类只作为已弃用的别名保留。文章还新增了对I2RT YAM机械臂、reBot B601和23自由度Unitree G1的支持，并说Hub上现在有近300 TB这种格式的开放物理AI数据。

我们的判断：这是一次大而快的升级，明智的做法是在提升依赖版本前先读破坏性变更清单。有FSDP检查点、Weights & Biases看板或异步推理脚本的团队有具体的迁移工作。模型成绩接近基准上限，由模型作者给出，对新机器人上的表现说明有限，应在自己的任务上评判模型。交互和远程功能最值得早试，因为它们改变日常操作机器人的方式。