外观
新闻Hugging Face LeRobot 官方发布6 个月前
LeRobot v0.5.1发布：重构数据集读写并新增Dagger数据采集
Hugging Face LeRobot升级至v0.5.1，重构DatasetReader/Writer架构，新增HIL/Dagger数据收集与多任务Diffusion Transformer策略，修复宇树G1 SDK检测及VQ-BeT显存问题，PyTorch最低版本升至2.7。
宇树 G1本文由 AI 根据公开内容整理，可能有误，请以原文为准：huggingface/lerobot 发布 v0.5.1 版本更新（Hugging Face LeRobot 官方发布）
核心内容
Hugging Face官方开源具身智能框架LeRobot发布v0.5.1版本，核心聚焦于数据管线重构与训练工具链增强。此次更新将LeRobotDataset拆分为独立的DatasetReader与DatasetWriter模块以优化API结构，并引入HIL/Dagger/HG-Dagger/RaC风格的数据采集功能，直接支持人机协同示教场景。同时，框架新增了Multitask Diffusion Transformer策略实现，并为pi0、pi0.5及pi0_fast模型添加相对动作支持，强化了复杂操作任务的算法适配能力。
在工程落地与硬件适配层面，v0.5.1修复了Unitree G1机器人的SDK检测逻辑并更新了安装文档，解决了VQ-BeT算法中DDP GPU缓冲区被CPU张量覆盖的显存错误。依赖项方面，PyTorch最低版本要求从2.2.1提升至2.7，opencv-python-headless上限放宽，并针对transformers 5.4.0的破坏性变更进行了兼容性处理。此外，新版还增加了奖励可视化功能及LIBERO、Meta-World基准测试集成指南，完善了从数据采集到评测的全链路工具支持。
关键看点
- 数据架构重构：将LeRobotDataset解耦为DatasetReader与DatasetWriter，清理模块代码并采用修订安全的Hub缓存机制下载数据集
- 人机协同采集：新增HIL/Dagger/HG-Dagger/RaC风格数据收集脚本，支持开发者构建高质量人机混合示教数据集以优化策略
- 策略模型增强：上线Multitask Diffusion Transformer策略，为pi0系列模型增加相对动作支持，并修复SmolVLA的动作填充键错误
- 硬件与依赖修复：修正Unitree G1 SDK检测逻辑，解决VQ-BeT的DDP显存覆盖Bug，PyTorch最低版本要求提升至2.7
工程与产业观察
LeRobot v0.5.1通过解耦数据读写与原生集成Dagger采集，显著降低了具身智能领域人机协同示教数据的工程门槛。对Unitree G1等主流本体的SDK级修复及PyTorch 2.7的强制升级，标志着该框架正从实验验证向生产级研发工具演进，为端到端操作策略的快速迭代提供了标准化基础设施。
来源
本页事实对应的公开页面，以原文为准。