허깅페이스, 로봇 학습 플랫폼 LeRobot v0.6.0 출시

주장허깅페이스는 로봇 학습의 핵심인 미래 예측과 성공 평가 루프를 완성하고자 LeRobot v0.6.0을 출시했습니다. 이번 버전은 로봇이 행동하기 전 미래를 상상하고 보상 모델을 통해 스스로 성공 여부를 판단하도록 설계했습니다.

팩트LeRobot v0.6.0은 2026년 7월 7일에 공식 발표되었습니다. 이번 업데이트에는 VLA-JEPA, FastWAM, LingBot-VA 등 미래를 상상하는 월드 모델 정책이 새롭게 포함되었습니다.

팩트새로운 VLA 모델군으로 GR00T N1.7, MolmoAct2, EO-1, Multitask DiT, EVO1이 추가되었습니다. MolmoAct2는 12GB VRAM 환경에서 추론이 가능하며 LoRA 미세 조정은 24GB GPU 한 대에서 수행할 수 있습니다.

교차검증로봇 학습 모델의 복잡성이 증가함에 따라 하드웨어 요구 사양을 면밀히 검토해야 합니다. 다만 이번 버전은 FSDP 학습을 지원하여 GPU 메모리 용량을 초과하는 대규모 모델 학습을 가능하게 했습니다.

팩트보상 모델 API인 lerobot.rewards가 도입되어 Robometer와 TOPReward를 사용할 수 있습니다. Robometer는 100만 개 이상의 로봇 궤적 데이터를 학습한 4B 파라미터 모델로 별도의 추가 학습 없이 작업 성공 여부를 평가합니다.

팩트데이터셋 처리 기능도 개선되어 데이터 로딩 속도가 이전 대비 최대 2배 빨라졌습니다. 사용자는 하드웨어 인코더인 NVENC나 VideoToolbox를 활용한 맞춤형 비디오 인코딩 설정을 직접 제어합니다.

팩트lerobot-rollout CLI 도구가 새롭게 추가되어 배포 과정에서의 오류를 즉시 훈련 데이터로 전환할 수 있습니다. 이는 DAgger 스타일의 인간 개입 보정을 지원하여 로봇의 학습 효율을 높입니다.

주장이번 업데이트는 로봇 학습의 진입 장벽을 낮추는 데 기여합니다. 가벼워진 설치 과정과 통합된 벤치마크 도구는 연구자들이 다양한 모델을 쉽게 비교하고 검증할 수 있는 환경을 제공합니다.

교차검증새로운 기능이 대거 추가됨에 따라 기존 v0.5.1 버전과의 호환성 문제가 발생할 가능성이 있습니다. 특정 모델인 GR00T N1.5를 계속 사용해야 하는 경우 이전 버전을 고정하여 사용해야 합니다.

팩트허깅페이스는 이번 릴리스를 통해 로봇 공학 연구 생태계의 기술적 완성도를 높이고자 합니다. 연구자들은 새롭게 추가된 API와 도구를 통해 복잡한 로봇 제어 알고리즘을 보다 효율적으로 구현합니다.

주장로봇 학습의 자동화와 효율화는 앞으로 인공지능 로봇 개발 속도를 가속화할 전망입니다. 허깅페이스는 개방형 플랫폼을 통해 로봇 학습 분야의 표준을 제시하고 있습니다.

출처허깅페이스 공식 블로그를 통해 LeRobot v0.6.0 릴리스 노트를 교차 검증했습니다. 해당 내용은 2026년 7월 7일 발행된 자료를 기반으로 작성되었습니다.