LeRobot v0.6.0 : Hugging Face ajoute modèles de monde et évaluation robotique
- 01LeRobot v0.6.0 introduit trois politiques basées sur des modèles de monde (VLA-JEPA, FastWAM, LingBot-VA) qui apprennent à prédire le futur avant d'agir.
- 02Une nouvelle API de modèles de récompense (Robometer, TOPReward) et six benchmarks de simulation unifiés permettent d'évaluer les performances robotiques.
- 03Les données gagnent le support de la profondeur, l'annotation automatique en langage naturel, et jusqu'à 2x plus de vitesse de chargement ; le déploiement et l'entraînement cloud sont intégrés nativement.
Hugging Face publie LeRobot v0.6.0, une mise à jour majeure de sa plateforme de robotique qui introduit des modèles de monde (politiques capables d'imaginer le futur avant d'agir), une API de modèles de récompense, et des outils d'évaluation unifiés pour mesurer les performances des robots.
La version 0.6.0 ferme la boucle d'apprentissage robotique en trois étapes. D'abord, les politiques basées sur des modèles de monde — VLA-JEPA, FastWAM et LingBot-VA — apprennent à prédire les conséquences futures de leurs actions pendant l'entraînement. Ensuite, une nouvelle API de modèles de récompense (Robometer et TOPReward) permet d'évaluer quand un robot réussit sa tâche. Enfin, six nouveaux benchmarks de simulation sont unifiés sous lerobot-eval pour mesurer les performances de manière standardisée.
La mise à jour enrichit aussi les capacités de déploiement et d'entraînement. Un nouveau CLI lerobot-rollout permet le déploiement avec corrections humaines en boucle (approche de type DAgger), tandis que le support FSDP autorise l'entraînement de modèles plus grands que la capacité GPU disponible. L'entraînement cloud sur HF Jobs devient natif à la plateforme.
Côté données, LeRobot v0.6.0 ajoute le support de la profondeur en bout en bout, une pipeline automatique d'annotation en langage naturel alimentée par des VLM, et un encodage vidéo personnalisable. Les temps de chargement des données sont accélérés jusqu'à 2x. L'installation globale est allégée, réduisant les dépendances inutiles.
Cette version cible directement une question clé en robotique : les modèles de monde améliorent-ils réellement les politiques ? En fournissant trois approches différentes pour intégrer l'imagination du futur, Hugging Face offre aux chercheurs et développeurs les outils pour tester cette hypothèse à grande échelle.
Articles liés
Hugging Face publie trois nouveaux modèles OCR open source sous licence Apache 2.0
Découvrez les derniers modèles open source d'Hugging Face, optimisés pour des performances équivalentes aux versions précédentes tout en restant accessibles.
Hugging Face affiche les résultats de 229 000 évaluations communautaires sur ses fiches modèles
Les développeurs peuvent désormais consulter les performances de 100 modèles via des benchmarks communautaires directement sur les pages Hugging Face.
OpenAI et Google renforcent les alertes sur les risques des outils IA autonomes
Les dérives des agents autonomes d'OpenAI s'étendent, révélant des risques concrets pour la sécurité des outils IA.