LeRobot v0.6.0：世界モデルベースのポリシー、新しいVLA、ベンチマーク、評価用CLI

LeRobot v0.6.0では、3つの平和的なモデルポリシーが導入されました。推論コストなしに潜在空間での未来予測を行うVLA-JEPA、自己回帰的な動画と行動予測を行い予測動画を保存できるLingBot-VA、そして推論時に「夢見」を回避する50億パラメータの動画生成器FastWAMです。VLA Zooも拡充され、GR00T N1.7（NVIDIA、Cosmos-Reason2-2Bとフローマッチング）、MolmoAct2（Allen Institute for AI、完全なトレーニング・デプロイサイクル対応、推論時約12GB、LoRA時24GB）、EO-1（Qwen2.5-VL-3Bとフローマッチング）、Multitask DiT（4億5000万パラメータ、CLIPで条件付け）、EVO1（7億7000万パラメータ、InternVL3-1B）が追加されました。報酬モデル向けの統一APIも導入され、Robometer（Qwen3-VL-4B、事前学習済み汎用モデル、進捗と成功を評価）とTOPReward（ゼロショット設定、「True」トークンの対数確率を使用）が含まれます。新たに6つのシミュレーションベンチマークが追加されました。LIBERO-plus（1万件の摂動バリアント）、RoboTwin 2.0（SAPIEN上で50タスク、ドメインランダム化対応）、RoboCasa365（2500のキッチンにわたる365タスク）、RoboCerebra（長距離タスク、3～6サブゴール）、RoboMME（メモリテスト）、VLABench（知識と推論）です。これらのベンチマークはすべて統一CLIの「lerobot-eval」で実行可能です。CLIの「lerobot-rollout」には、sentry（継続録画＋ローテーション）、highlight（リングバッファ）、episodic（従来の録画）、dagger（介入フラグ付きの人間による修正）といった戦略が含まれます。データセット面では、あらゆるコーデック（ハードウェアNVENC、VideoToolbox、VAAPI、QSVを含む）による動画エンコード、Intel RealSenseの深度情報対応、VLMによる自動言語アノテーション（lerobot-annotate）、並列デコードとコンパクトなuint8フレームによる最大2倍のデータ読み込み高速化を実現。さらに、FSDPトレーニングとクラウドトレーニング（HF Jobs）にも対応しています。