بقلم: نور | محررة الأبحاث والدراسات · صوت تحريري بإشراف بشري
أصدرت Hugging Face الإصدار 0.6.0 من LeRobot في السابع من يوليو 2026، وهو تحديث يُعيد تعريف ما يعنيه أن تُدرّب روبوتاً حقيقياً: نماذج تتعلم تخيّل المستقبل قبل التحرك، ومقاييس مكافأة تعرف متى ينجح الروبوت، وست بيئات محاكاة جديدة تحت واجهة سطر أوامر واحدة. الفكرة الجوهرية هي إغلاق حلقة التعلم — من التدريب إلى التشغيل إلى التقييم إلى جمع البيانات — دون انقطاع.
يبدأ الإصدار بسؤال يشغل مجتمع الروبوتات: هل تُساعد النماذج العالمية (World Models) فعلاً في تحسين سلوك الروبوت؟ الجواب التجريبي يأتي هذه المرة من ثلاثة نُهُج مختلفة. VLA-JEPA تُدرّب نموذجاً مدمجاً مبنياً على Qwen3-VL-2B ليتنبأ بالإطارات المستقبلية في الفضاء الكامن أثناء التدريب، ثم يختفي النموذج العالمي كلياً عند الاستدلال — إشراف بدون تكلفة إضافية. LingBot-VA يذهب أبعد: نموذج فيديو-فعل تلقائي الانحدار يتنبأ بمقاطع الفيديو والأفعال معاً، ويُغذّي مشاهدات حقيقية لإبقاء خياله مقيّداً بالواقع، ويعمل على GPU واحدة بسعة 24-32 جيجابايت. أما FastWAM فيجمع خبيراً في توليد الفيديو بحجم ~5B مع خبير أفعال مدمج، يتعلم النموذج تخيّل مساراته الخاصة، ثم يتخطى التخيّل تماماً عند الاستدلال ويُشغّل مباشرة.
حديقة النماذج تتسع كذلك. يُضيف هذا الإصدار خمسة VLAs جديدة إلى LeRobot: GR00T N1.7 من NVIDIA يحلّ محل N1.5 ويستخدم Cosmos-Reason2-2B مع رأس تدفق-مطابقة للأفعال، ومُختبَر للتكافؤ مع تطبيق Isaac-GR00T الأصلي. MolmoAct2 من معهد ألن للذكاء الاصطناعي يعمل zero-shot على SO-100/101 بـ ~12 جيجابايت bf16، مع LoRA fine-tuning على GPU واحدة بسعة 24 جيجابايت. EO-1 يستخدم Qwen2.5-VL-3B مع رأس تدفق-مطابقة، أسهم به أحد مؤلفي الورقة البحثية مباشرةً. Multitask DiT يُحضر وصفة TRI Large Behavior Models: محوّل انتشار ~450M معامل مشروط على CLIP للرؤية واللغة معاً، ما يعني نموذجاً واحداً لمهام متعددة يختارها المستخدم بلغة طبيعية. وأخيراً EVO1 يثبت أن VLA لا يحتاج ضخامة: 0.77B معامل فقط مع InternVL3-1B، يعمل في الوقت الفعلي على GPUs متواضعة مع دعم Real-Time Chunking.
قطعة كانت غائبة دائماً من حلقة تعلم الروبوتات هي: كيف تعرف أن الروبوت نجح؟ يُجيب الإصدار بـ API موحّدة لنماذج المكافأة (lerobot.rewards) تضم أربعة نماذج. Robometer نموذج مكافأة مُدرَّب مسبقاً وعام الأغراض، مبني على Qwen3-VL-4B ومُدرَّب عبر مقارنات مسارات على أكثر من مليون مسار روبوتي (وفقاً لـ Hugging Face Blog)، يُعطي تقييماً للتقدم والنجاح من الفيديو الخام ونص التعليمات دون تدريب خاص بالمهمة. TOPReward يذهب إلى zero-shot الكامل: لا أوزان مكافأة على الإطلاق، يُلفّ VLM جاهزاً (Qwen3-VL) ويقرأ احتمال لوغاريتم رمز “True” من الفيديو والتعليمات — كل VLM قادر يصبح دالة مكافأة.
على صعيد البيانات، أصبح تحميل مجموعات التدريب على الفيديو أسرع بما يصل إلى ضعفين بفضل فك الترميز المتوازي للإطارات متعددة الكاميرات، وشحن إطارات uint8 المدمجة (أربعة أضعاف أقل ذاكرة بين العمليات)، والعمال الدائمين الذين يحتفظون بذاكرة مخبئية للفك بين الحقب. تحميل مجموعة فرعية من مجموعة بيانات كبيرة انتقل من 275 ثانية إلى 0.06 ثانية (وفقاً لـ Hugging Face Blog). يدعم الإصدار أيضاً تسجيل خرائط العمق من Intel RealSense بالمليمتر، مضغوطة كتدفقات فيديو عمق 12-بت إلى جانب الكاميرات العادية. والتعليقات اللغوية انتقلت من نص مهمة واحد للحلقة إلى تعليقات غنية (مهام فرعية بطوابع زمنية، خطط، ذاكرة، تصحيحات، كلام، أزواج VQA لكل كاميرا) تُملأ تلقائياً بـ VLM عبر واجهة lerobot-annotate.
ما يجمع هذا كله هو ست بيئات محاكاة جديدة تعمل تحت CLI واحدة (lerobot-eval)، كل منها مع صفحة توثيق وصورة Docker ونقطة تفتيش SmolVLA للتدخين:
- LIBERO-plus: يختبر VLAs بـ ~10,000 متغيّر مُضطرَب من LIBERO عبر سبعة محاور من الإضاءة وزوايا الكاميرا إلى صياغة التعليمات المُعادة.
- RoboTwin 2.0: يغطي 50 مهمة تلاعب ثنائية اليدين على SAPIEN مع تنويع قوي للمجال، وأكثر من 100,000 مسار جاهز للتدريب.
- RoboCasa365: 365 مهمة مطبخية في 2,500 مطبخ مُولَّد إجرائياً على روبوت متنقل — أوسع سطح مهام في القائمة.
- RoboCerebra: يُقيّم السلوك طويل الأفق بحلقات تتسلسل من 3 إلى 6 أهداف فرعية مع تعليمات وسيطة مرتكزة على اللغة، مع مجموعة بيانات من 6,660 حلقة.
- RoboMME: امتحان ذاكرة — هل يستطيع نموذجك عدّ التكرارات، وتتبع الأشياء المخفية، ومحاكاة الإجراءات الموضحة؟ 16 مهمة عبر أربع مجموعات ذاكرة.
- VLABench: يختبر المعرفة والاستدلال في التلاعب، من أسئلة الفيزياء إلى مهام مركّبة كتحضير القهوة من البداية للنهاية.
مجتمعةً مع LIBERO وMeta-World وNVIDIA IsaacLab-Arena، يصبح المجموع تسع عائلات benchmark تحت سقف واحد. التقييم المتوازي صار أسرع بمقدار ضعفين كذلك بفضل البيئات المتجهة غير المتزامنة بشكل افتراضي.
على صعيد التدريب والنشر، يحصل lerobot-rollout على CLI مستقلة لإدارة دورة التشغيل الكاملة: تشغيل السياسة على الروبوت الحقيقي، تسجيل التصحيحات البشرية بأسلوب DAgger، حفظ بيانات الفشل مباشرةً كمجموعة بيانات جديدة. FSDP أصبح متاحاً لتدريب نماذج أكبر من ذاكرة GPU واحدة. والتدريب السحابي على HF Jobs متاح الآن مع دعم التعليقات اللغوية المُوسَّعة.
الإصدار 0.6.0 ليس تحديث ميزات عادياً — إنه محاولة صريحة لبناء البنية التحتية الكاملة لتدريب الروبوتات: من التخيّل إلى التقييم إلى التحسين الدوري. السؤال الذي يطرحه على نفسه — هل تُفيد النماذج العالمية فعلاً؟ — لا إجابة نهائية عليه بعد، لكن اللبنات التجريبية أصبحت في متناول أي باحث أو مطوّر يريد المشاركة في الإجابة.
