LeRobot 0.4 bringt offene Robotik auf die nächste Entwicklungsstufe
💡 Quellen-Hinweis: Dieser Beitrag ist eine redaktionelle Zusammenfassung basierend auf einem Originalbericht von Hugging Face Blog.
Hugging Face erweitert sein Open-Source-Framework LeRobot in Version 0.4.0 an mehreren Stellen gleichzeitig. Das Update modernisiert die Datenhaltung, bringt neue Simulationsumgebungen und Vision-Language-Action-Modelle mit und vereinfacht sowohl verteiltes Training als auch die Anbindung eigener Hardware. Damit soll Robot Learning besser skalieren und für Forschungsteams leichter reproduzierbar werden.
Datensätze für große Robotikprojekte
LeRobotDataset 3.0 speichert Episoden in Blöcken und unterstützt Streaming. Das Format ist auf Sammlungen mit mehr als 400 Gigabyte ausgelegt, darunter Open X Embodiment. Videos sollen schneller geladen werden, während einheitliche Parquet-Metadaten verstreute JSON-Dateien ersetzen. Ein Konvertierungsskript hilft beim Umstieg von Version 2.1. Zusätzlich lassen sich Datensätze über ein neues Kommandozeilenwerkzeug teilen, zusammenführen, um Merkmale ergänzen oder von einzelnen Episoden bereinigen, ohne zwingend das Original zu überschreiben.
Für standardisierte Experimente integriert das Projekt nun LIBERO mit mehr als 130 Aufgaben sowie Meta-World mit über 50 Manipulationsaufgaben. Gymnasium ab Version 1.0 und MuJoCo ab Version 3.0 bilden dabei eine einheitlichere Simulationsbasis. Das erleichtert vergleichbare Evaluationen, ersetzt aber nicht die Prüfung, wie gut eine Policy den Transfer von der Simulation auf echte Hardware bewältigt.
Modelle, Verarbeitung und mehrere GPUs
Eine neue Prozessor-Pipeline übersetzt Sensordaten, Gelenkpositionen und Sprachbefehle in die normalisierten, gebündelten Tensoren eines Modells und wandelt vorhergesagte Aktionen wieder in passende Roboterkommandos zurück. Getrennte Pipelines für Policies und Hardware sollen diese Übergänge modularer machen. Durch die direkte Integration von Accelerate lässt sich Training zudem mit einem Befehl über mehrere GPUs verteilen.
Bei den Policies kommen PI0 und PI0.5 von Physical Intelligence sowie NVIDIAs GR00T N1.5 hinzu. Diese Vision-Language-Action-Modelle kombinieren Sprache, Bilder und unterschiedliche Robotikdaten, um komplexere Aufgaben und neue Umgebungen abzudecken. Für die Praxis entscheidend bleiben jedoch passende Datensätze, sorgfältige Evaluation und Sicherheitsgrenzen beim realen Betrieb.
Hardware wird zum Plugin
Das neue Plugin-System erlaubt es, Roboter, Kameras und Teleoperatoren als separate Python-Pakete einzubinden, anstatt den LeRobot-Kern zu verändern. Reachy 2 wird bereits für Simulation und echte Steuerung unterstützt; außerdem kann ein Smartphone als Teleoperator für einen Roboterarm dienen. Ergänzend veröffentlicht Hugging Face einen offenen Selbstlernkurs zu klassischer Robotik, Imitation Learning, Reinforcement Learning und modernen generalistischen Policies. In Summe ist Version 0.4.0 weniger ein einzelnes Feature als ein breiter Ausbau der offenen Robotik-Werkzeugkette.
Originalquelle: Hugging Face Blog – LeRobot v0.4.0: Supercharging OSS Robot Learning
