LeRobot
PulseAugur coverage of LeRobot — every cluster mentioning LeRobot across labs, papers, and developer communities, ranked by signal.
8 天有情绪数据
-
LeRobot v0.6.0 免费提供世界模型，零推理成本
LeRobot v0.6.0 已发布，引入了三个新的世界模型策略。这些策略使机器人在训练阶段能够模拟未来场景，而无需产生任何推理成本。这一进步使机器人能够“想象”潜在的未来，这些未来可以在推理阶段被丢弃，从而优化性能。
-
LeRobot v0.6.0 增加了世界模型、新的 VLA 和改进的数据集
LeRobot v0.6.0 已发布，在机器人 AI 领域取得了重大进展。此次更新引入了 VLA-JEPA、FastWAM 和 LingBot-VA 等新的世界模型策略，使机器人能够“想象”未来的场景。它还通过 GR00T N1.7 和 MolmoAct2 等多个新的视觉-语言-动作 (VLA) 模型扩展了模型库，并引入了用于奖励模型的新 API。数据集管道的增强功能包括更快的加载和深度支持，以及新的模拟基准和改进的训练能力。
-
数据投毒攻击被发现对开源机器人模型具有实用性和隐蔽性
研究人员已经证明，对开源机器人模型进行数据投毒攻击是实用且隐蔽的。通过在训练数据中注入少量受污染的样本，可以在像smolVLA这样的视觉语言动作模型中嵌入后门。即使在使用干净的提示时，此后门也可以根据指令禁用机器人或显著降低其在特定任务上的性能。这些发现突显了在开源机器人技术中需要更加关注数据集的来源。
-
NVIDIA 和 Hugging Face 通过新的 AI 工具推动开放机器人技术
NVIDIA 和 Hugging Face 正在合作，通过将 NVIDIA 的 AI 模型和框架集成到 Hugging Face 的 LeRobot 库中，来增强开源机器人社区。此次合作旨在为开发人员提供更易于访问和标准化的机器人开发工具，包括 NVIDIA Isaac GR00T 1.7 模型和 Isaac Teleop 框架。未来的集成将包括 NVIDIA Cosmos 3，一个面向物理 AI 的前沿模型，进一步简化端到端的机器人…
-
Hugging Face 发布 LeRobot v0.5.0 并推出存储桶
Hugging Face 发布了 LeRobot 的 0.5.0 版本，该项目专注于跨多个维度进行扩展。此外，该公司还在其 Hugging Face Hub 平台推出了存储桶。这些更新旨在增强 AI 开发和部署的能力和基础设施。
-
Hugging Face Hub 集成 Strands Agents 和 LeRobot 硬件
Hugging Face Hub 现已与 Strands Agents 和 LeRobot 等机器人硬件平台集成。此次合作旨在弥合人工智能模型与物理机器人系统之间的差距，从而实现更无缝的部署和交互。
-
Hugging Face Hub 新增存储桶并发布 LeRobot v0.5.0
Hugging Face 在其 Hub 平台中引入了新的存储桶，增强了其在 AI 模型开发和部署方面的能力。此外，该公司还发布了其 LeRobot 项目的 0.5.0 版本，该项目专注于 AI 应用的跨维度扩展。
-
AWS Strands SDK 简化机器人 AI 训练和部署
AWS 发布了 Strands Robots SDK，这是一个开源工具包，旨在简化在机器人硬件上训练和部署 AI 模型的过程。该 SDK 集成了包括 LeRobot 堆栈和 Hugging Face Hub 数据集在内的各种组件，允许用户组合能够记录演示、训练策略和协调机器人集群的代理。这个新 SDK 旨在通过最少的代码更改，将从 Hugging Face Hub 上的数据收集到物理机器人上的执行的整个工作流程进行简化，支持模拟和真实硬件。
-
DIY机器人使用天花板线缆清理房间
一位名叫Nathaniel Nifong的工程师开发了一款名为“Stringman”的DIY机器人，它通过将一个两指夹持器悬挂在固定在天花板锚点上的电线上，来清理房间。这种设计使机器人能够到达各种高度并覆盖整个房间，而无需在地板上导航家具。该机器人使用Raspberry Pi Zero 2 W进行控制，并使用AI系统来识别和拾取物体，其设计和固件均开源提供。
-
开源ORCA堆栈简化灵巧机器人学习研究
研究人员推出了ORCA学习堆栈，这是一个旨在简化灵巧机器人操作研究的开源平台。该堆栈统一了控制、模拟和远程操作接口，并与LeRobot等现有机器人学习框架集成。目标是为需要精细运动技能的任务（例如手部物体重定向）的策略开发和评估提供一个可复现的基础。
-
Hugging Face 发布 LeRobot、Ulysses 和 RL 训练的 AI 更新
Hugging Face 发布了多个 AI 项目的更新。LeRobot v0.5.0 引入了全维度扩展，而 Ulysses 实现了序列并行，用于训练具有一百万 token 上下文窗口的模型。此外，一项关于异步强化学习训练景观的研究提供了来自 16 个开源库的见解。
-
Phone2Act 系统使用智能手机控制机器人以收集 AI 数据
研究人员开发了 Phone2Act，一个新颖的远程操作系统，通过 Google ARCore 将标准智能手机用作 6-DoF 机器人控制器。这个低成本、硬件无关的框架旨在简化和扩展用于训练 Vision-Language-Action (VLA) 模型的操纵数据的收集。通过解耦控制逻辑并支持各种机器人平台，Phone2Act 使研究人员能够更经济地收集多样化的数据集，用于即时微调 GR00T-N1.5 等模型。
-
AI驱动的攻击目标是MSP和Hugging Face的LeRobot平台
Guardz的一份新报告表明，人工智能驱动的攻击正在显著增加托管服务提供商（MSP）和中小型企业（SMB）的供应链风险，十分之九的SMB用户受到影响。另外，Hugging Face的LeRobot AI平台中发现了一个关键的未修补漏洞（CVE-2026-25874），由于不安全的反序列化允许远程代码执行，对机器人系统构成了严重风险。
-
Hugging Face 发布 OCR、安全和模型更新
Hugging Face 宣布了对其平台的多项更新和合作。其中包括通过开放模型增强 OCR 管道，集成 Sentence Transformers，以及发布 Transformers.js v4。此外，Hugging Face 正通过与 VirusTotal 的合作加强 AI 安全，并推出 Granite 4.0 Nano 和 AnyLanguageModel 等新模型以实现高效的 LLM 操作。