MolmoAct2 er den mest konkrete nyheten i LeRobot v0.6.0 for deg med en rimelig robotarm og ett grafikkort. Hugging Face oppgir at modellen kjører zero-shot på SO-100/101 med kalibrering innebygd, at inferens får plass i rundt 12 GB ved bf16, og at LoRA-finjustering går på ett 24 GB-kort.
Resten av slippet er bredt. Tre «world model»-policies (VLA-JEPA, LingBot-VA og FastWAM) lærer å forutsi framtida under trening, men dropper den delen ved inferens for å holde kostnaden nede. Modell-zooen vokser med GR00T N1.7, EO-1, Multitask DiT på rundt 450 millioner parametere og EVO1, som ifølge Hugging Face pakker policyen inn i 0,77 milliarder parametere og kjører i sanntid på beskjedne GPU-er.
Nytt er også et samlet reward-model-API (lerobot.rewards) med Robometer, som skal skåre framgang og suksess fra rå video pluss en språkinstruksjon uten oppgavespesifikk trening. På verktøysida kommer lerobot-rollout-CLI-en med DAgger-aktige menneske-i-loopen-korreksjoner, FSDP-trening, sky-trening via HF Jobs og opptil dobbelt så rask datalasting. Tallene er Hugging Faces egne, så test mot ditt eget oppsett.