LeRobot v0.5.0 重磅发布：全维度升级，重塑开源机器人学习新范式

2026 年 3 月 9 日，Hugging Face 旗下开源机器人学习框架 LeRobot 正式推出 v0.5.0 版本，这也是该项目迄今为止规模最大的一次更新。自 v0.4.0 以来，LeRobot 社区迎来了超 50 名新贡献者，合并了 200 余个 PR，实现了硬件支持、模型策略、数据处理、仿真环境及代码底座的全维度突破。从首次接入人形机器人，到自回归 VLA 模型的回归，再到仿真环境的云端化加载，LeRobot v0.5.0 不仅大幅提升了机器人学习的开发效率与部署能力，更向通用机器人技术的落地迈出了关键一步，为科研人员和开发者打造了更易用、更可扩展、更贴合实际应用的开源机器人学习生态。

Blog：https://huggingface.co/blog/lerobot-release-v050

硬件生态爆发：从机械臂到人形机器人，覆盖全场景硬件需求

LeRobot v0.5.0 的核心突破之一，是完成了硬件支持体系的跨越式扩展，从传统的桌面机械臂延伸至全功能人形机器人，同时完善了移动机器人、高性能执行器的兼容能力，真正实现了从单一设备到多品类硬件生态的全覆盖。

作为本次更新的最大亮点，LeRobot 首次实现了对 Unitree G1 人形机器人的完整支持，这也是该框架首款集成的人形机器人硬件。基于全身控制模型（WBC），Unitree G1 在 LeRobot 中可实现运动、操作、遥操作的全功能落地：既能完成自主行走、环境导航等基础运动任务，也能执行高精度的物体灵巧操作，更可通过直观的遥操作界面实现远程控制，同时支持运动与操作的协同执行，轻松应对复杂的现实世界任务。这一集成标志着 LeRobot 正式从桌面级机器人学习走向全身具身智能，为通用机器人技术的研究提供了全新的硬件载体。

在机械臂领域，新版本新增对 OpenArm 及配套的 OpenArm Mini 遥操作器的支持，二者均兼容双臂配置，可实现更复杂的双机械臂协同操作；同时纳入 Earth Rover 移动机器人，首次将 LeRobot 的能力拓展至户外导航与地面机器人领域，OMX 机械臂则凭借可配置的夹爪设置和校准支持，进一步丰富了工业级操作场景的选择。此外，SO-100/SO-101 的代码实现完成统一，大幅减少了代码冗余，提升了维护效率。

在执行器层面，LeRobot v0.5.0 新增 CAN 总线电机控制器支持，纳入 RobStride（高扭矩场景专用）和 Damiao 两款控制器，打破了此前对 Dynamixel 和 Feetech 生态的依赖，可适配更多专业级高性能执行器，为机器人硬件的性能升级提供了底层支撑。

模型策略升级：六大新策略加持，解锁机器人学习更多可能性

模型策略是机器人学习的核心，LeRobot v0.5.0 新增六大全新策略与技术，丰富了模型库的同时，针对性解决了机器人控制中的低延迟、长任务、跨模态适配等痛点，推动开源机器人学习的技术边界不断突破。

Pi0-FAST 自回归 VLA 模型的加入成为技术亮点，该模型基于 FAST（频率空间动作序列分词）技术，将连续机器人动作离散为令牌序列，依托 Gemma 300M 打造自回归动作专家模块，相比传统流匹配方法的 Pi0 模型，实现了动作令牌的灵活解码，可通过配置温度和解码步数平衡推理速度与效果，且兼容实时分块技术，为高精度、高频率的机器人控制提供了新方案。

Real-Time Chunking（RTC）实时分块技术则解决了机器人推理的延迟问题，作为流匹配策略的增强插件，它无需等待完整动作块生成即可重新规划，通过将新预测与执行中的动作持续融合，实现更平滑、更具响应性的行为，成为实际场景部署中降低延迟的 “游戏规则改变者”。

此外，新版本还纳入了多款特色 VLA 模型：基于 Qwen2.5-VL 的 Wall-X 模型，融合强大的视觉语言理解能力与流匹配动作预测，实现跨载体机器人控制；基于微软 Florence-2 的 X-VLA 模型，为 VLA 策略提供了全新的基础模型选择，丰富了生态多样性。SARM（阶段感知奖励建模）技术则专门针对机器人学习中的长周期任务痛点，通过分阶段预测任务进度，替代传统单一的全局进度信号，让复杂多步骤操作任务的训练更高效。

为降低大模型微调门槛，LeRobot v0.5.0 还新增 PEFT 支持，开发者可通过 LoRA 等方法微调大型 VLA 模型，无需修改核心训练流水线，仅通过策略层配置即可将大模型适配至特定机器人和任务，大幅减少计算资源消耗。

数据处理革新：十倍训练提速，零等待数据采集

数据集的采集与训练效率直接决定机器人学习的开发周期，LeRobot v0.5.0 对数据处理流水线进行了全方位优化，实现了从数据采集、编码到训练的全链路提速，同时丰富了数据工具集，让数据管理更高效。

流媒体视频编码技术的引入彻底解决了数据采集的等待痛点，此前每段任务采集完成后，开发者需等待视频编码结束才能开始下一段，而新版本可在帧捕获的同时实现实时编码，实现任务间零等待，且支持硬件编码器自动检测，可自动调用 GPU 加速编码，大幅提升采集效率。

在底层性能上，LeRobot 通过修复数据访问瓶颈、重构图像处理流程，实现了图像训练速度提升 10 倍、编码速度提升 3 倍，并行编码成为全平台默认配置，可根据数据集类型（视频 / 图像）动态调整压缩级别，同时优化了 CPU 利用率，让数据采集和创建过程的资源使用更高效。

数据工具集也迎来丰富升级，新增子任务标注与查询功能，支持分层任务学习；实现图像到视频的格式转换，提升存储效率，单视频文件可支持多段任务；新增info操作可快速检查数据集信息，完善了分割、合并、特征编辑等现有操作，同时开放了视频编解码器、元数据缓冲区大小等可配置选项，让开发者能精细化控制数据集创建。

仿真与代码底座：云端化仿真 + 现代化重构，降低开发门槛

LeRobot v0.5.0 在仿真环境和代码底座上完成了关键升级，通过云端化仿真环境加载和代码的现代化重构，大幅降低了机器人学习的开发与协作门槛，同时提升了框架的兼容性和可扩展性。

全新推出的 EnvHub 功能实现了仿真环境的云端化加载，开发者无需在本地安装环境包和配置注册，只需指向 Hugging Face Hub 上的仓库，LeRobot 即可自动完成环境代码下载、Gymnasium 注册，并直接用于训练和评估，大幅降低了自定义仿真环境的共享与协作成本，让社区开发者能更便捷地交流和复用仿真资源。同时，新版本完成了与 NVIDIA IsaacLab-Arena 的集成，将 GPU 加速仿真引入 LeRobot 生态，依托 NVIDIA Isaac Sim 的大规模并行环境实例，实现强化学习的快速训练，且配套专属的预处理 / 后处理步骤，与 LeRobot 训练流水线完全兼容。

代码底座的现代化重构则为框架的长期发展奠定基础：LeRobot v0.5.0 将 Python 最低版本要求提升至 3.12，支持现代语法并提升运行性能；完成向 Hugging Face Transformers v5 的迁移，紧跟最新模型生态；新增第三方策略插件系统，开发者可将自定义策略封装为可安装包，通过pip安装后直接调用，无需修改核心库代码，与硬件插件系统形成互补，进一步提升框架的可扩展性。此外，新版本还实现了基于 Rerun 的远程遥测可视化，支持压缩图像流的低带宽传输；优化了安装流程，新增uv安装方式，完善依赖管理；实现文档版本化，让开发者总能找到与安装版本匹配的文档；更新 PyTorch 版本以支持 NVIDIA Blackwell GPU，为高性能计算提供支撑。

社区与生态：全方位完善，打造更具活力的开源生态

除了技术功能的升级，LeRobot v0.5.0 还对社区和生态体系进行了全方位完善，为项目的持续发展注入活力。社区方面，Discord 论坛完成升级，优化了频道组织，提升了交流效率；GitHub 仓库更新了 README 文档，新增问题和 PR 模板、贡献指南，并实现工单自动标签，让贡献流程更清晰。学术层面，LeRobot 相关论文成功被 ICLR 2026 接收，标志着其技术价值得到学术界的认可。

工具链方面，LeRobot Visualizer 可视化工具完成升级，新增数据集可视化徽章，功能更完善；全新推出的 LeRobot Annotation Studio 作为 HuggingFace Space 应用，支持开发者用自然语言为数据集的每个时刻标注子任务，大幅提升数据标注的效率和便捷性。

此外，本次更新还包含数百个 bug 修复、文档优化、CI/CD 增强等细节改进，从类型检查到测试基础设施，全方位提升了框架的稳定性和可维护性，让 LeRobot 能在规模扩张的同时保持可靠的运行表现。

全维度升级的价值：让机器人学习更易用、更贴近实际

LeRobot v0.5.0 的全维度升级，不仅是技术功能的叠加，更是对开源机器人学习生态的重构。从硬件层面，人形机器人、移动机器人的加入，让 LeRobot 覆盖了从桌面操作到户外场景、从单一机械臂到全身智能的全场景需求；从模型层面，六大新策略针对性解决了低延迟、长周期、大模型微调等实际痛点，让机器人学习的技术方案更贴合实际部署需求；从数据层面，十倍提速和零等待采集大幅缩短了开发周期；从仿真和代码层面，云端化仿真和现代化重构降低了入门门槛，让更多开发者能参与到机器人学习的研究中。

作为一款端到端的开源机器人学习框架，LeRobot 始终聚焦易用性、可扩展性和可复现性，v0.5.0 的发布进一步强化了这一核心优势，让科研人员能更高效地开展前沿研究，让开发者能更便捷地将机器人学习技术落地到实际场景。随着硬件生态的不断丰富、模型策略的持续创新和社区的不断壮大，LeRobot 正逐步成为通用机器人技术研发的核心开源平台，推动机器人学习从实验室走向更广阔的现实世界。

目前，LeRobot v0.5.0 已正式上线，开发者可通过官方文档快速上手，开启全新的机器人学习开发体验。