LeRobot v0.6.0：基于世界模型的策略、新VLA、基准测试与评估CLI

LeRobot v0.6.0 引入了三种稳定的模型策略：VLA-JEPA（在潜在空间中预测未来，推理时无额外开销）、LingBot-VA（自回归视频与动作预测，支持保存预测视频）以及 FastWAM（50亿参数视频生成器，推理时绕过“梦境”阶段）。VLA 模型家族得到扩展：GR00T N1.7（NVIDIA，基于 Cosmos-Reason2-2B 与流匹配技术）、MolmoAct2（艾伦人工智能研究所，支持完整训练与部署流程，推理时约占用 12 GB 内存，LoRA 微调需 24 GB）、EO-1（基于 Qwen2.5-VL-3B 与流匹配技术）、Multitask DiT（4.5亿参数，以 CLIP 为条件）、EVO1（7.7亿参数，基于 InternVL3-1B）。针对奖励模型引入了统一应用程序编程接口：Robometer（基于 Qwen3-VL-4B，预训练通用模型，评估进度与成功）与 TOPReward（零样本设置，使用“True”标记的对数概率）。新增六个仿真基准测试：LIBERO-plus（10000 个扰动变体）、RoboTwin 2.0（SAPIEN 平台上 50 个任务，含领域随机化）、RoboCasa365（2500 个厨房中的 365 个任务）、RoboCerebra（长时程任务，3-6 个子目标）、RoboMME（记忆测试）、VLABench（知识与推理）。所有基准测试均可通过统一命令行界面 lerobot-eval 运行。命令行界面 lerobot-rollout 包含多种策略：sentry（连续录制并滚动）、highlight（环形缓冲区）、episodic（经典录制）以及 dagger（含干预标志的人工修正）。数据集方面：支持任意编解码器的视频编码（包括硬件加速的 NVENC、VideoToolbox、VAAPI、QSV），支持来自英特尔实感深度相机的深度数据，通过视觉大模型实现自动语言注释（lerobot-annotate），通过并行解码与紧凑型 uint8 帧实现高达 2 倍的数据加载加速。支持完全分片数据并行训练以及在 Hugging Face Jobs 上的云端训练。