HuggingFace、ロボット学習基盤 LeRobot v0.6.0 を公開──世界モデルと報酬モデル API を統合
VLA-JEPA 等の未来予測モデルや自動アノテーション機能を搭載し、ロボット学習のデータ生成から評価までを単一 CLI で完結させる。
リリース: 2026-07-07 · 読了 5 分記事の要約
1. 核心（What）
- 未来予測を学習する世界モデルポリシー（VLA-JEPA, FastWAM, LingBot-VA）を新たに実装。
- 100 万件以上の軌跡データで学習された汎用報酬モデル Robometer（Qwen3-VL-4B ベース）を追加。
- VLM を活用した自動言語アノテーションパイプラインと、最大 2 倍のデータ読み込み高速化を実現。
- NVIDIA GR00T N1.7 や MolmoAct2 など、最新の VLA モデル群の統合サポートを開始。
2. 影響（Why）
- ロボット学習の試行錯誤を高速化: 未来予測を学習時にのみ行う世界モデルの導入により、推論コストを上げずにモデルの汎化性能を向上させ、実機展開時の成功率を高める。
- 国内ロボット開発への影響: 研究開発型企業や大学等のロボット研究チームは、評価用 CLI の統一と自動アノテーションにより、データセット構築の工数を大幅に削減し、独自モデルの検証サイクルを加速できる。
3. 根拠・詳細（How）
- 世界モデルの推論最適化: VLA-JEPA は学習時にのみ未来予測を行う JEPA アーキテクチャを採用し、推論時の計算負荷をゼロに抑制。LingBot-VA は 24-32GB GPU で動作する chunk 単位の予測を実現。
- データパイプラインの刷新: lerobot-annotate CLI を介して Qwen2.5-VL-7B-Instruct を用いた自動アノテーションが可能。データ読み込みはカスタムビデオエンコーディングにより従来比で最大 2 倍の高速化を達成。
4. 展望・課題（Next）
- 長期間タスクへの適応: アノテーションパイプラインで生成されたタイムスタンプ付きサブタスクデータを用い、より複雑な長期間タスクをこなすロボットポリシーの構築を目指す。