LeRobot v0.6.0：先想像、再評分、失敗變教材，機器人學習閉環補齊

Hugging Face 的開源機器人學習庫 LeRobot 發布 v0.6.0，主題定為「想像、評估、改進」，一句話總結：把機器人學習的迴圈接起來。新版收錄一批會「先想像未來再行動」的世界模型策略（VLA-JEPA、FastWAM、LingBot-VA），以及新一波視覺語言動作模型（GR00T N1.7、MolmoAct2、EO-1、EVO1 等）。

其中 Multitask Diffusion Transformer 把豐田研究院 Large Behavior Models 的配方帶進 LeRobot：約 4.5 億參數的擴散 transformer，以 CLIP 視覺與語言嵌入為條件，一個模型學會多種任務，用自然語言指定要做哪一件。機器人界的「通用模型」路線，正從論文走進開源套件的預設選單。

迴圈的另外兩塊拼圖：新的獎勵模型 API（Robometer、TOPReward）補上「機器人到底做成沒有」的成功偵測與進度估計，長期以來這塊在開源生態裡沒有標準做法；lerobot-rollout CLI 支援 DAgger 式的人在迴圈修正，部署時的失敗紀錄直接轉成下一輪訓練資料。搭配統一在 lerobot-eval 下的六個新模擬基準、FSDP 訓練與 HF Jobs 雲端訓練，訓練、評估、部署、回收數據，四站都有站牌了。

工程細節也有感：資料集支援深度圖、自動語言標註管線、自訂影片編碼，載入速度最高快 2 倍，從大型資料集載入子集從 275 秒降到 0.06 秒。玩過舊版被資料載入卡到懷疑人生的人，光這一條就值得升級。