Hugging Face、「LeRobot 0.6」を公開　世界モデルとエヌビディアのGR00T N1.7を取り込み、オープンなロボット連合を強化

Hugging Faceのロボット学習ライブラリ「LeRobot」が、競合するロボットの頭脳を一堂に並べる棚になった。2026年7月7日に公開した0.6.0版では、世界モデル型の方策3種、視覚言語行動（VLA）モデル5種、報酬モデル2種、シミュレーションのベンチマーク6種が加わった。前日にはエヌビディアがLeRobot向けの一連のツールを発表していた。

エヌビディアの提供分は5つある。同社が「初のオープンで商用利用できるロボット基盤モデル」と呼ぶIsaac GR00T N1.7を、LeRobotの作業手順で追加学習し、展開できるようになった。オープンソースのデータ収集基盤Isaac Teleopは、外部機器から人の実演を標準形式で取り込み、そのままLeRobotに入れる。Isaac Lab-ArenaはLeRobotの環境ハブに加わり、開発者はシミュレーション空間を作って、GR00T、フィジカルインテリジェンスのPiモデル、SmolVLAなどの方策を学習、評価できる。Jetson Thor対応は、LeRobotのオープンソース人型ロボット「Reachy 2」へのVLAモデル搭載を狙う。世界モデルCosmos 3も近くLeRobotに加わるという。

エヌビディアは今回の提携が、同社の300万人のロボット開発者とHugging Faceの1600万人のAI開発者を結ぶと説明した。さらに、同社が「最大のオープンソースのフィジカルAIデータセット」と呼ぶ資料は1500万回以上ダウンロードされ、実機とシミュレーションの軌跡35万件超と把持データ5700万件を収めているとした。Hugging Faceの共同創業者で最高科学責任者のトーマス ウルフ（Thomas Wolf）氏は、オープンソースこそが先端研究を誰もが学び、手を加え、発展させられるものに変える道だと述べた。

0.6版のモデルの顔ぶれは幅広い。世界モデル型は、Qwen3-VL-2Bを基に潜在空間で未来を予測するVLA-JEPA、24～32GBのGPUを要する自己回帰型の映像行動モデルLingBot-VA、映像生成と動作の専門家を組み合わせた約50億パラメーターのFastWAMだ。VLAは、エヌビディアの視覚言語モデルCosmos-Reason2-2Bを使うGR00T N1.7、アレンAI研究所のMolmoAct2（推論に約12GB、SO-100とSO-101アームでゼロショット動作）、Qwen2.5-VL-3BベースのEO-1、約4億5000万パラメーターの拡散トランスフォーマーMultitask DiT、InternVL3-1Bベースで7億7000万パラメーターのEVO1である。

2つの報酬モデルは、試行が成功したかを判定するというロボット学習の難所に取り組む。Robometerは100万件超のロボット軌跡で学習したQwen3-VL-4Bベースの汎用報酬モデルだ。TOPRewardは視覚言語モデルが「True」と答える確率を読み取り、追加学習なしで試行を採点する。

新しい6つのベンチマークはいずれもlerobot-evalコマンドで実行でき、LIBERO、Meta-World、エヌビディアのIsaacLab-Arenaを含めベンチマーク群は9つになった。摂動を加えた1万の課題変種を持つLIBERO-plus、双腕作業50種と10万件超の学習用軌跡を備えるRoboTwin 2.0、自動生成した2500の台所で365の台所作業を扱うRoboCasa365、6660件の長時間作業データを持つRoboCerebra、記憶課題16種のRoboMME、知識と推論を測るVLABenchである。

基盤部分も手を入れた。複数GPUにまたがる完全シャーディングのデータ並列学習、フラグ1つでHugging Face Jobs上で回せるクラウド学習、最大2倍速いデータ読み込み、人が介入して修正できるlerobot-rolloutコマンド、Intel RealSense深度カメラ対応、言語注釈の自動付与を加えた。データセットの一部を読み込む時間は275秒から0.06秒に縮み、基本の依存関係は40%減った。対応機器はSO-100とSO-101、Koch、OpenArm、reBot、ユニツリーの人型ロボットG1などだ。中核の執筆者10人と、79人超のコミュニティー貢献者が名を連ねた。

日本の研究現場にも効用は大きい。大学やスタートアップが安価なSO-101アームやG1で、同じコマンド体系のまま複数のオープンモデルを学習させ比較できる。人手不足対策でロボットの知能化を急ぎたい中堅メーカーにとっても、自前で学習基盤を組まずに最新の方策を試せる環境が整った。ただし0.6版の資料には、日本の機関が開発元として明記されたモデルは見当たらない。

GR00T N1.7そのものは、エヌビディアが4月17日にアーリーアクセスを開き、本番利用を認めるライセンスを付けたモデルだ。Hugging Faceのモデルカードによると、パラメーター数は30億で、人、ロボット、シミュレーションを混ぜた13のデータセット計2160万件のデータで学習し、NVIDIA Open Model Licenseで配布される。TensorRTを使ったH100 GPUで最大35.9Hzの推論ができる。

競争の構図を見れば、エヌビディアが他社のライブラリに力を注ぐ理由がわかる。7月30日に出たGoogle DeepMindのGemini Robotics 2は動作モデルをテスターに限った。8月18日にS1を出したスキルドAIは独自の頭脳を売る。フィジカルインテリジェンスは2025年2月にπ0を公開し、そのモデルはLeRobotの環境ハブでも扱える。LeRobotをオープンな方策の学習と比較の場にすれば、開発者がどの競合モデルを試しても、GR00T、Isaac、Jetsonがすぐ隣に並ぶ。

懸念は分散と品質だ。一度に方策が8種増えて選択肢は広がったが、どのロボットに何が合うかの指針は乏しく、ベンチマークも工場での試験ではなくシミュレーションだ。Hugging Faceは方策ごとの利用状況を公表しておらず、エヌビディアもCosmos 3の統合時期を示していない。