N1.7 (NVIDIA, Cosmos-Reason2-2B с flow-matching), MolmoAct2 (Allen Institute for AI, поддержка полного цикла обучения и развертывания, ~12 ГБ на инференсе, 24 ГБ для LoRA), EO-1 (Qwen2.5-VL-3B с flow-matching), Multitask DiT (450 миллионов параметров, обусловленный CLIP), EVO1 (0,77 миллиарда параметров, InternVL3-1B). Введен унифицированный API для моделей вознаграждения: Robometer (Qwen3-VL-4B, предобученная общая модель, оценивает прогресс и успех) и TOPReward (zero-shot конфигурация, использует логарифмическую вероятность токена «True»). Шесть новых симуляционных бенчмарков: LIBERO-plus (10 000 возмущенных вариантов), RoboTwin 2.0 (50 задач на SAPIEN с рандомизацией окружения), RoboCasa365 (365 задач на 2500 кухнях), RoboCerebra (длинные горизонты, 3–6 подцелей), RoboMME (тесты памяти), VLABench (знания и рассуждения). Все бенчмарки можно запускать через единый CLI lerobot-eval. CLI lerobot-rollout включает стратегии: sentry (непрерывная запись с ротацией), highlight (кольцевой буфер), episodic (классическая запись) и dagger (человеческие коррекции с флагом вмешательства). В наборах данных: кодирование видео с любым кодеком (включая аппаратные NVENC, VideoToolbox, VAAPI, QSV), поддержка глубины от Intel RealSense, автоматическая языковая аннотация через VLM (Large Vision-Language Model) (lerobot-annotate), ускорение загрузки данных до 2 раз за счет параллельного декодирования и компактных кадров uint8. Обучение с FSDP (Fully Sharded Data Parallel) и облачное обучение на HF Jobs.