LeRobot v0.6.0 来了：让机器人先想再干
Hugging Face 发布 LeRobot v0.6.0，核心是把'想象-评估-改进'闭环塞进了开源机器人栈，策略评估、世界模型和数据管线全面升级，开源机器人学习开始有工业味道了。
Hugging Face 在 7 月初推出了 LeRobot v0.6.0，代号 Imagine, Evaluate, Improve。这次不是常规版本号跳一位的例行升级——从 v0.4 的数据集重构、v0.5 引入 Pi0-FAST 和 Unitree G1 支持，到这次直接把"策略评估"和"数据闭环"当作一等公民塞进框架里，LeRobot 团队想解决的是开源机器人社区一直绕不过去的老问题：训好的策略到底行不行，怎么知道，怎么改。
这个问题在 LLM 那边早就有一套成熟打法——benchmark、eval harness、RLHF 数据回流。但机器人这块儿一直是玄学。你训了个 ACT 或 Diffusion Policy，跑几次成功几次失败，样本量小得像抛硬币，环境一变全崩。v0.6.0 想做的事情，是把这套评估-回流的工业化流程搬到具身智能上来。
从"能跑"到"能评"：策略评估成了核心
v0.6.0 最显眼的变化是新增了一整套 Policy Evaluation 模块。以前你想评估一个策略，基本是两条路：要么在仿真里跑几百次算成功率，要么在真机上手动数——前者 sim2real gap 大到没参考价值，后者慢且贵。
这次 LeRobot 引入了几个关键组件：
- 标准化 eval 协议：为主流策略（ACT、Diffusion Policy、Pi0、Pi0-FAST、SmolVLA）提供统一的评估入口，指标从单一成功率扩展到轨迹相似度、任务完成度、恢复能力等多维度
- 批量并行评估：借助向量化环境，一次跑 N 个 rollout，把置信区间打得更紧
- 失败模式聚类：把失败的 episode 按行为特征自动分组，方便定位是抓取问题、感知问题还是长时程规划问题
这套东西看着朴素，但对社区意义很大。以前你在 Hugging Face Hub 上传一个 policy checkpoint，别人下下来根本不知道好不好用。现在有了统一的 eval report，pretrained 模型第一次有了可比性。
World Model 进场：先想象再执行
"Imagine" 这个词出现在 release title 里不是修辞。v0.6.0 引入了 world model 集成能力，允许策略在部署前先在学到的世界模型里 rollout 一遍，看看会发生什么。
这个思路和 Dreamer 系列、以及 NVIDIA 最近推的 Cosmos 是一脉相承的——在真机执行前先在潜空间里"预演"，用预测的未来状态来筛选动作或者做 planning。LeRobot 的做法更工程化一点：
- 提供 world model 训练脚本，直接吃 LeRobotDataset 格式的数据
- 支持把 world model 挂到任意 policy 后面做 rollout 验证
- 提供 imagination-based evaluation 作为真机评估的低成本代理
我的判断是，这个特性短期内还比较偏研究向。世界模型本身的保真度对下游 planning 影响巨大，在操作类任务（尤其涉及接触动力学的）上，学出来的 world model 经常在几步之后就跑飞。但方向是对的——真机试错成本太高，社区必须要有一层廉价的 "想象层" 来做初筛。
数据闭环：从采集到再训练的管线打通
第三块升级是数据闭环 (Data Flywheel)。这个概念开发者应该都不陌生——特斯拉自动驾驶那套 shadow mode + 触发器 + 再标注 + 重训练的流程，在机器人领域一直被眼馋但没人真的开源出来过。
v0.6.0 在这方面推了几个具体功能：
LeRobotDataset v3 格式微调
数据集格式在 v0.4 大改过一次，这次是增量升级：
- Episode-level metadata 增强：每个 episode 除了原始观测和动作，现在可以挂载 eval 结果、失败标签、人工反馈、reward 信号
- 增量式 append：以前更新数据集要重新打包整个 parquet，现在支持流式追加，适合边采边训的场景
- 多机器人异构合并：不同 embodiment 的数据可以在同一 dataset 下用 schema 区分，方便跨形态迁移
交互式数据编辑与筛选
新版的 dataset viewer 支持在浏览器里直接标注、裁剪、重打标签。这个功能听起来朴素，但配合前面的失败模式聚类，形成了一条完整链路：跑 eval → 找失败 episode → 人工看几眼判断原因 → 打标签 → 混入下一轮训练。
DAgger 风格的在线数据收集
新增了 human-in-the-loop 的数据收集模式：策略在真机上跑，操作员看到要出问题了随时接管，接管的轨迹自动标记为 "correction"，进入下一轮微调的高权重样本池。这套东西 Diffusion Policy 论文里做过，但作为开箱即用的工具集成到框架里，LeRobot 是头一个。
硬件与 SDK 侧的碎片更新
除了三大主线，v0.6.0 还有一堆碎片但实用的改进：
- teleoperation 延迟优化：主从遥操延迟据说压到了 20ms 以内，SO-100/SO-101 用户应该能感觉到
- Real-Time Chunking (RTC) 稳定化：v0.5 引入的 RTC 之前在长时程任务上偶尔会卡顿，这次做了 async pipeline 重写
- 新硬件支持：Koch Leader v1.1、Piper 双臂、以及若干移动底盘
- Config 系统重构：从 Hydra 迁移到更轻量的 dataclass + CLI 组合，启动脚本清爽了不少
# 新版评估调用示例
lerobot-eval \
--policy.path=lerobot/pi0_aloha_transfer_cube \
--env.type=aloha \
--eval.n_episodes=100 \
--eval.batch_size=10 \
--output_dir=./eval_results
怎么看这次升级
如果说 v0.4 是把 LeRobot 从"能跑 demo"推到"能做研究"，v0.5 是接入了主流 VLA 生态（Pi0 家族、类人机器人），那 v0.6 就是在补最后一块最难的短板——工程化闭环。
对比一下同赛道：Nvidia GR00T 是全栈但闭源，Physical Intelligence 的 Pi0 开了权重但没开工程链路，Google 的 RT-X 系列偏数据集不偏工具。LeRobot 现在这个位置有点像早期的 Transformers 库——不追求最强模型，但要把整套开发流程标准化到人人可用。
真正的考验还是在真机部署。评估协议再漂亮，world model 再花哨，最终要看社区跑出来的 pretrained 策略能不能开箱就在你桌上的 SO-100 上叠出一件衣服。这一点 v0.6.0 还没给出足够多的证据，但至少工具已经就位。
对于做具身智能研究或者玩开源机器人的开发者，这个版本值得立刻升上去——特别是 eval 模块和 DAgger 数据收集，即便你不用 world model 那套，光这两个功能也够改善日常工作流了。
参考来源
- LeRobot Release 0.6.0 Roadmap - GitHub Issue #3134：官方 v0.6.0 版本路线图和功能清单
- LeRobot 官方文档 - Hugging Face：LeRobot 框架完整文档，含模型、数据集、教程
- LeRobot v0.5.0 发布解析 - 知乎：前一版本 v0.5.0 的功能梳理，可作对比参考
