外观
新闻Hugging Face LeRobot 官方发布2 个月前
LeRobot v0.6.1发布：重构VLA组件并优化数据标注与训练显存
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 v0.6.1 版本更新（Hugging Face LeRobot 官方发布）
核心内容
Hugging Face官方开源机器人框架LeRobot发布v0.6.1版本，核心聚焦于VLA模型架构标准化与数据工程流优化。此次更新将lerobot.types重命名为lerobot.lerobot_types作为破坏性变更，同时针对Pi0、Pi0.5、EO1及SmolVLA等多个主流具身模型提取了共享VLA组件，并将Wall-X与XVLA改为继承原生Transformers库中的Qwen2.5-VL和Florence2，大幅降低代码冗余。此外，数据集接口新增切片支持，提升了大规模轨迹数据的读取灵活性。
在算法训练与数据标注层面，新版为Diffusion策略添加了梯度检查点功能以优化显存占用，并通过MetricsTracker聚合策略子损失以增强训练可观测性。数据标注工具lerobot-annotate显著增强了VLM子任务标注能力，支持生成可读接触表、种子重标记及自托管vLLM配方，且现可通过--job.target参数直接在HF Jobs上运行。硬件适配方面，修复了OpenArms连接时的零位设置错误、电机范围录制增加重试机制，并将LiberoEnv默认帧率修正为20fps以匹配Robosuite标准。
关键看点
- VLA架构重构：Pi0/EO1/SmolVLA等模型提取共享组件，Wall-X/XVLA改用原生Transformers子类化实现
- 数据标注增强：VLM子任务标注支持接触表与种子重标记，集成自托管vLLM并支持HF Jobs云端运行
- 训练显存优化：Diffusion策略新增梯度检查点功能，通过MetricsTracker聚合子损失提升调试效率
- 硬件与环境修复：电机范围录制增加重试机制，OpenArms连接逻辑修正，LiberoEnv帧率对齐20fps
工程与产业观察
LeRobot v0.6.1通过VLA组件抽象与原生Transformers集成，确立了具身大模型开发的标准化范式，降低了多模型复现门槛。VLM标注工具的云端化与显存优化直接解决了高质量数据采集与低成本训练的痛点，对构建通用具身智能基座模型的团队具有重要工程参考价值。
来源
本页事实对应的公开页面，以原文为准。