Hugging Face a publié LeRobot 0.7, une version qui refond une large partie de sa pile open source pour l’apprentissage robotique. La mise à jour vise les deux extrémités du processus : entraîner de grands modèles sur des centaines de téraoctets de démonstrations, puis dialoguer avec une politique pendant que le robot exécute sa tâche.
Des consignes modifiables pendant l’exécution
La nouveauté la plus visible concerne les sessions interactives. Un opérateur peut lancer une tâche, changer de sous-tâche sans décharger le modèle, demander au système ce que le robot voit ou lui confier un objectif plus général. LeRobot conserve alors la connexion au matériel, les poids du modèle et les processeurs en mémoire.
Ce fonctionnement s’appuie sur des politiques capables de produire du texte, comme FineART-VLA et Wall-OSS-0.5, ou sur un planificateur visuel externe. Une instruction générale telle que « ranger la table » peut ainsi être décomposée en actions plus précises. LeRobot 0.7 ajoute aussi quatre modèles vision-langage-action et quatre modèles d’action du monde, dont Cosmos 3 et FLUX 3 Action.
Entraîner sans télécharger tout le jeu de données
Hugging Face indique que son Hub héberge près de 300 To de données ouvertes de Physical AI au format LeRobot. La version 0.7 permet de les lire directement depuis le Hub, un Storage Bucket ou LanceDB. Le lecteur récupère uniquement les portions de vidéo nécessaires à l’entraînement. Selon l’équipe, quatre workers apportent entre 2,1 et 2,5 fois plus d’échantillons par seconde.
La pile d’entraînement a également été reconstruite pour les modèles de plusieurs milliards de paramètres. FSDP2 et HSDP remplacent l’ancien chemin FSDP1, avec des points de contrôle distribués et une gestion commune de la précision. Sur un nœud équipé de huit H200, Hugging Face annonce des sauvegardes trois fois plus rapides pour un modèle FastWAM de 6 milliards de paramètres.
Une inférence distante pour alléger le robot
LeRobot peut désormais exécuter une politique sur un serveur GPU distant grâce à un serveur dédié, tout en gardant sur le robot le strict nécessaire pour les capteurs et les commandes. Cette séparation peut réduire les besoins de calcul embarqué, mais elle impose de surveiller la latence et la fiabilité du réseau.
La couche matérielle évolue elle aussi. Les bus Feetech et Dynamixel convergent vers une même implémentation, tandis que le catalogue accueille de nouveaux bras et le contrôleur corps entier SONIC pour l’Unitree G1. La simulation adopte une interface unifiée entre exécution locale et serveur.
Une migration qui demande de la prudence
La refonte introduit plusieurs ruptures. Les anciens points de contrôle FSDP ne peuvent pas reprendre directement un entraînement, même si leurs poids restent chargeables. Weights & Biases est remplacé par Trackio et plusieurs options d’inférence changent de nom.
Pour les équipes qui utilisent déjà LeRobot, cette version est donc plus qu’une mise à jour ordinaire. Elle rapproche l’outil des contraintes des grands modèles robotiques et du pilotage en temps réel, au prix d’une migration à préparer et à tester sur le matériel visé.
Sources : Hugging Face et notes de version officielles.
