教机器人拿杯子，难点不只是让它照着示范做一次，还要让它预想下一步、判断做得对不对，并在出错后学会改正。Hugging Face 发布的 LeRobot 0.6.0，正把这些环节接进同一套开源工具链：机器人策略不再只负责“动手”，训练、评估和纠错开始形成闭环。
新版加入 VLA-JEPA、FastWAM 和 LingBot-VA 三种世界模型策略。世界模型相当于让机器人先在内部“想象”动作之后可能发生什么。其中 VLA-JEPA 的设计尤其直接：训练时预测未来画面，实际运行时移除这部分，因此不会增加推理成本；LingBot-VA 则能保存预测视频，方便与真实结果对照。新版还提供统一的奖励模型 API——给机器人行为打分的接口，以及整合六项仿真基准的 lerobot-eval。
最后，lerobot-rollout 支持类似 DAgger 的人机纠错：让当前策略实际运行，人类针对它遇到的状态补充正确动作，再把新样本送回训练。换句话说，LeRobot 正从“模型与数据的集合”走向一条可反复想象、评分和改进的工作流；但此次材料没有披露这些闭环能力带来的统一性能提升。