레로보트 v0.5.0: 모든 차원의 확장

LeRobot v0.5.0은 Hugging Face가 주도하는 오픈소스 로보틱스 프레임워크의 최신 릴리스로, '모든 차원의 확장(Scaling Every Dimension)'이라는 부제가 시사하듯 데이터·모델·하드웨어 세 축을 동시에 스케일업한 것이 핵심이다. LeRobot은 실제 물리 로봇의 모방 학습(Imitation Learning)과 강화 학습을 위한 데이터 수집, 학습, 배포 파이프라인을 end-to-end로 제공하는 프레임워크다. 이번 v0.5.0에서는 데이터 측면에서 LeRobot Dataset v2.x 포맷과 호환되는 대규모 멀티로봇·멀티태스크 데이터 믹싱을 지원하고, 모델 측면에서는 ACT(Action Chunking with Transformers), Diffusion Policy 등 정책 아키텍처의 학습 파이프라인을 재설계해 대형 모델 학습의 재현성과 확장성을 크게 개선했다. 또한 Vision-Language-Action(VLA) 스타일 모델 통합이 강화되어, 언어 명령으로 로봇을 제어하는 멀티모달 정책 학습이 한층 수월해졌다.

개발자 관점에서 주목할 변화는 정책 인터페이스의 모듈화와 Hydra 기반 설정 시스템의 정비다. 기존에는 새로운 모델 아키텍처를 플러그인하려면 프레임워크 내부를 깊이 수정해야 했지만, v0.5.0부터는 데이터 수집(텔레오퍼레이션), 학습, 추론 단계가 명확히 분리되어 각 단계를 독립적으로 교체하거나 확장할 수 있다. 하드웨어 측면에서도 SO-100, SO-101 같은 저가형 3D 프린팅 로봇 팔의 캘리브레이션과 텔레오퍼레이션 툴링이 대폭 개선되었고, 신규 로봇과 엔드이펙터 지원이 추가되어 물리적 실험 환경 구축의 진입 장벽이 낮아졌다.

실무적으로 이 릴리스는 소프트웨어 엔지니어가 로보틱스 AI에 접근하는 경로를 크게 넓혀준다. Gym 환경 래퍼 개선과 멀티 환경 롤아웃 평가 스크립트가 추가되어 시뮬레이션-실환경 전이(sim-to-real) 실험이 체계화되었고, HfDataset 기반 데이터 파이프라인은 에피소드 메타데이터를 풍부하게 관리할 수 있어 대규모 데이터셋 운영이 수월하다. 로보틱스에 관심 있는 개발자라면 GitHub 릴리스 노트와 Hugging Face 블로그의 공식 문서를 확인하고, 특히 SO-100/101 같은 오픈소스 하드웨어와 결합한 실습 환경을 구성해 보는 것을 권장한다. VLA 모델과 Diffusion Policy의 실제 동작을 직접 실험해보면 embodied AI 분야의 최신 흐름을 체감할 수 있을 것이다.