Hugging Face bringt LeRobot 0.6 mit Weltmodellen und NVIDIAs GR00T N1.7 und vertieft die offene Robotik-Allianz

Hugging Face macht seine Bibliothek LeRobot zum Regal konkurrierender Robotergehirne. Die am 7. Juli 2026 veröffentlichte Version 0.6.0 bringt drei Weltmodell-Policies, fünf Vision-Language-Action-Modelle (VLA), zwei Belohnungsmodelle und sechs Simulationsbenchmarks. Einen Tag zuvor hatte NVIDIA ein Paket eigener Werkzeuge für LeRobot angekündigt.

Der NVIDIA-Beitrag hat fünf Teile. Isaac GR00T N1.7, von NVIDIA als erstes offenes und kommerziell nutzbares Robotik-Basismodell bezeichnet, lässt sich nun über LeRobot nachtrainieren und einsetzen. Das Open-Source-Werkzeug Isaac Teleop erfasst menschliche Vorführungen von externen Geräten in standardisierten Formaten direkt in LeRobot. Isaac Lab-Arena kommt in den LeRobot Environment Hub, damit Entwickler Simulationsszenen bauen und darin Policies wie GR00T, die Pi-Modelle von Physical Intelligence oder SmolVLA trainieren und bewerten können. Die Jetson-Thor-Unterstützung zielt auf VLA-Modelle für den quelloffenen Humanoiden Reachy 2. Cosmos 3 soll nach NVIDIA-Angaben bald folgen.

NVIDIA beschreibt die Partnerschaft über Reichweite: Sie verbinde die 3 Millionen Robotikentwickler von NVIDIA mit den 16 Millionen KI-Entwicklern von Hugging Face. Zudem verweist NVIDIA auf den nach eigenen Worten größten offenen Physical-AI-Datensatz, mehr als 15 Millionen Mal heruntergeladen, mit über 350.000 realen und simulierten Trajektorien und 57 Millionen Griffen. Hugging-Face-Mitgründer und Chief Science Officer Thomas Wolf sagte, Open Source sei der Weg, auf dem ein Fachgebiet Spitzenforschung in etwas verwandle, das Menschen studieren, anpassen und weiterentwickeln können.

Die Modellliste von LeRobot 0.6 ist breit. Zu den Weltmodellen zählen VLA-JEPA, ein kompaktes Modell auf Basis von Qwen3-VL-2B, das die Zukunft im latenten Raum vorhersagt, LingBot-VA, ein autoregressives Video-Aktions-Modell mit 24 bis 32 GB GPU-Bedarf, und FastWAM mit rund fünf Milliarden Parametern, das Experten für Videogenerierung und Aktion kombiniert. Die fünf VLAs sind GR00T N1.7 mit NVIDIAs Sprach-Bild-Modell Cosmos-Reason2-2B, MolmoAct2 vom Allen Institute for AI mit rund 12 GB Inferenzbedarf und Zero-Shot-Fähigkeit auf den Armen SO-100 und SO-101, EO-1 auf Qwen2.5-VL-3B, der Diffusionstransformer Multitask DiT mit rund 450 Millionen Parametern und EVO1 mit 0,77 Milliarden Parametern auf InternVL3-1B.

Die beiden Belohnungsmodelle zielen auf einen Engpass des Roboterlernens, die Bewertung, ob ein Versuch gelungen ist. Robometer ist ein allgemeines Belohnungsmodell auf Basis von Qwen3-VL-4B, trainiert mit über einer Million Robotertrajektorien. TOPReward bewertet Versuche ohne eigenes Training, indem es die Wahrscheinlichkeit ausliest, mit der ein Sprach-Bild-Modell mit „True“ antwortet.

Die sechs neuen Benchmarks laufen über den Befehl lerobot-eval und erhöhen die Zahl der Benchmarkfamilien einschließlich LIBERO, Meta-World und NVIDIAs IsaacLab-Arena auf neun. Dazu gehören LIBERO-plus mit 10.000 gestörten Aufgabenvarianten, RoboTwin 2.0 mit 50 zweiarmigen Aufgaben und über 100.000 Trainingstrajektorien, RoboCasa365 mit 365 Küchenaufgaben in 2.500 prozedural erzeugten Küchen, RoboCerebra mit einem Langzeitdatensatz von 6.660 Episoden, RoboMME mit 16 Gedächtnisaufgaben und VLABench für Wissen und Schlussfolgern.

Technisch kommen voll geshardetes datenparalleles Training über mehrere GPUs, Cloudtraining auf Hugging Face Jobs per Schalter, bis zu doppelt so schnelles Datenladen, ein Befehl lerobot-rollout mit menschlichen Korrekturen, Unterstützung für Intel-RealSense-Tiefenkameras und eine automatische Sprachannotation hinzu. Das Laden eines Datensatzausschnitts sank von 275 auf 0,06 Sekunden, die Basisabhängigkeiten schrumpften um 40 Prozent. Unterstützt werden unter anderem die Arme SO-100 und SO-101, Koch, OpenArm, reBot sowie Unitrees Humanoid G1. Genannt werden 10 Kernautoren und mehr als 79 Beitragende aus der Community.

Für Europa ist LeRobot vor allem deshalb relevant, weil die Bibliothek Hochschulen und Mittelständlern einen günstigen Einstieg ins Roboterlernen bietet. Ein Institut oder Maschinenbauer kann mit einem preiswerten SO-101-Arm dieselben Werkzeuge nutzen wie große Labore, Policies vergleichen und Daten in einem gemeinsamen Format teilen. Mit der Maschinenverordnung der EU wächst zugleich der Bedarf an nachvollziehbaren Evaluierungen, und standardisierte Benchmarks liefern dafür eine erste Grundlage, auch wenn sie keine Sicherheitsprüfung ersetzen.

GR00T N1.7 selbst stammt vom 17. April, als NVIDIA den Early Access öffnete und eine Lizenz für den Produktiveinsatz ergänzte. Laut Modellkarte auf Hugging Face hat es drei Milliarden Parameter, wurde mit 21,6 Millionen Datenpunkten aus 13 Datensätzen aus Mensch-, Roboter- und Simulationsdaten trainiert und steht unter der NVIDIA Open Model License. Auf einer H100-GPU mit TensorRT erreicht es bis zu 35,9 Hz.

Der Wettbewerb erklärt, warum NVIDIA in eine fremde Bibliothek investiert. Google DeepMinds Gemini Robotics 2 vom 30. Juli gibt Aktionsmodelle nur an Testkunden. Skild AI, das am 18. August S1 vorstellte, verkauft ein proprietäres Gehirn. Physical Intelligence hat π0 im Februar 2025 offengelegt, seine Modelle werden im Environment Hub unterstützt. Wird LeRobot zum Ort, an dem offene Policies trainiert und verglichen werden, stehen GR00T, Isaac und Jetson neben jedem Konkurrenzmodell, das ein Entwickler ausprobiert.

Risiken sind Zersplitterung und Qualität. Acht neue Policies in einer Version erweitern die Auswahl, liefern aber wenig Orientierung, was auf welchem Roboter funktioniert, und die Benchmarks sind Simulationen, keine Werkstests. Hugging Face veröffentlicht keine Nutzungszahlen je Policy, NVIDIA nennt kein Datum für die Cosmos-3-Integration.