Le fait
Autour du 6–7 juillet 2026, Hugging Face et NVIDIA officialisent l’intégration native de NVIDIA Isaac Teleop et du modèle ouvert Isaac GR00T N1.7 (aussi noté GR00T 1.7) dans LeRobot, le framework open source de robot learning. L’annonce, publiée sur le blog Hugging Face (rubrique NVIDIA) et relayée par la communauté OSS, marque un bascule claire : LeRobot n’est plus seulement un outil d’imitation learning « labo », mais une voie de bout en bout pour capturer des démonstrations, les convertir en LeRobotDataset v3.0, post-entraîner une policy VLA commerciale-viable, puis la déployer sur hardware réel — le guide de référence s’appuie notamment sur le bras SO-101.
GR00T N1.7 est présenté comme le dernier Vision-Language-Action foundation model ouvert et commercialement viable pour humanoïdes / robots general-purpose. Il remplace GR00T N1.5 dans LeRobot (changement cassant : les checkpoints N1.5 sont rejetés ; pour rester sur N1.5 il faut pinner lerobot==0.5.1). Le checkpoint de base mis en avant est nvidia/GR00T-N1.7-3B (~3 milliards de paramètres), avec backbone type Cosmos-Reason2 / Qwen3-VL, et des checkpoints d’évaluation pour SimplerEnv, DROID et LIBERO. Licence côté doc LeRobot : NVIDIA Open Model License.
Isaac Teleop fournit le maillon manquant côté data : framework de téléopération pour collecter des démonstrations réelles et simulées (casque VR / CloudXR, ou bras leader SO-101), avec push automatique vers le Hugging Face Hub au format LeRobot. Le flux typique annoncé : installer LeRobot avec extras [groot,training,…], collecter (ex. 50 épisodes « pick vial → rack »), entraîner via lerobot-train (--policy.type=groot, chunk_size / n_action_steps = 16, actions relatives, bf16), puis lerobot-rollout pour l’inférence. NVIDIA propose aussi un Launchable Brev pour accélérer le post-training GPU.
Sur le benchmark LIBERO (130 tâches de manipulation tabletop language-conditionnées), les résultats publiés avec LeRobot montrent un saut net N1.5 → N1.7 : Spatial 82 % → 95 %, Object 99 % → 100 %, Goal 98 % (N1.7), Long 82 % → 93 %, moyenne 87 % → 96,5 %. En parallèle, l’écosystème Hub s’enrichit de datasets NVIDIA au format LeRobot v3 (LIBERO_LeRobot_v3, Cosmos3-DROID, etc.), souvent sous licence OpenMDW, destinés à l’entraînement de policies et de modèles de dynamique.
Contexte
LeRobot comme standard de facto des labos open. Depuis 2024–2025, LeRobot s’est imposé comme le « PyTorch Lightning » de la robotique apprenante : APIs unifiées pour datasets, policies (ACT, Diffusion Policy, π0, etc.), évaluation et Hub. NVIDIA, plutôt que de forcer uniquement sa stack Isaac GR00T OSS « maison », choisit d’embarquer GR00T dans LeRobot : même poids nvidia/GR00T-N1.7, deux chemins (LeRobot ou OSS Isaac) au choix. C’est un signal d’écosystème : gagner les développeurs là où ils sont déjà.
Le goulot data, pas seulement le modèle. Les VLA open se multiplient (π-family, OpenVLA, GR00T, Gemini Robotics côté closed). Ce qui freine encore les PME robotique et les labos FR/EU, c’est la chaîne téléopération → format dataset → fine-tune → eval closed-loop. Isaac Teleop + LeRobotDataset v3 (shards Parquet + MP4 + métadonnées d’épisodes, plus le per-episode file salad d’antan) attaque précisément ce frein. Exiger le v3.0 pour le post-training GR00T standardise aussi les contributions Hub — condition nécessaire pour que les datasets NVIDIA (LIBERO converti, DROID via Cosmos3) soient réellement consommables sans scripts ad hoc.
Cross-embodiment et « new_embodiment ». GR00T N1.7 est vendu comme cross-embodiment : l’embodiment_tag (ex. new_embodiment, libero_spatial) et les actions relatives (hors gripper) visent à transférer une policy d’un corps à un autre avec moins de data. Pour un intégrateur qui bascule d’un Franka / SO-101 vers un cobot usine, c’est la promesse qui compte — à condition de mesurer en closed-loop, pas en loss de training.
Concurrence des stacks open. Le timing juillet 2026 s’inscrit dans une course où Hugging Face Hub devient le dépôt commun des physical AI datasets (NVIDIA affiche déjà des millions de téléchargements sur ses collections), tandis que les OEM japonais et US industrialisent Cosmos / Jetson (voir billet Jetson T3000). LeRobot + GR00T est la face « software open » de la même stratégie platform : modèles + data + policies + edge.
Risques de rupture. Le drop de N1.5 dans LeRobot courant force une migration ; la dépendance à CUDA / GPU NVIDIA et à la licence Open Model (vs Apache strict) reste un point de gouvernance pour les équipes souveraineté. Les scores LIBERO, aussi élevés soient-ils, ne remplacent pas une validation usine (sécurité, latence, distribution shift).
Pourquoi ça compte
1. Une boucle ouverte réellement productible. Téléopération → Hub → train → rollout sous une même API réduit le coût d’entrée pour une startup manipulation ou un labo universitaire qui n’a pas d’équipe Isaac Sim dédiée.
2. Un VLA open « commercial-grade » dans le default path des développeurs. En plaçant GR00T N1.7 comme policy.type=groot natif, NVIDIA transforme LeRobot en canal de distribution de ses poids — plus efficace qu’un dépôt Git isolé.
3. Datasets + policies = flywheel Hub. LIBERO v3, Cosmos3-DROID et les policies poussées sur le Hub créent un effet réseau : plus de data standardisée → meilleurs fine-tunes partagés → plus d’adoption LeRobot. C’est la même logique que les modèles NLP en 2019–2021, appliquée à l’action.
4. Benchmarks publics comme arme de crédibilité. Passer de 87 % à 96,5 % de moyenne LIBERO sous LeRobot donne un argument chiffré face aux VLA concurrentes, tout en ancrant l’évaluation dans une suite connue (Spatial / Object / Goal / Long).
5. Pression sur les stacks propriétaires et les intégrateurs EU. Qui vend encore des pipelines data « maison » non Hub-compatibles devra justifier le surcoût. À l’inverse, les équipes qui misent sur MuJoCo / ROS 2 purs devront montrer des skills et formats aussi fluides.
6. Signal pour la France / Europe industrielle. Formations, POC cobots, et projets « robot learning » peuvent s’aligner sur LeRobot + GR00T sans attendre un socle Omniverse complet — tout en gardant un œil sur licence, export controls et dépendance GPU.
Lecture Neurone21
Thèse courte : début juillet 2026, NVIDIA ne « sort pas un modèle de plus » sur Hugging Face — elle industrialise le chemin open téléopération → dataset v3 → policy GR00T N1.7 → déploiement dans LeRobot, avec des gains LIBERO documentés et une bascule nette hors N1.5. Pour une équipe FR/EU (startup manipulation, OEM cobot, labo, fonds deeptech) : (1) migrer les pipelines data vers LeRobotDataset v3 dès maintenant ; (2) tester Isaac Teleop (VR ou leader arm) sur une tâche métier avant d’acheter plus de sim ; (3) post-entraîner nvidia/GR00T-N1.7-3B avec embodiment_tag explicite et mesurer en rollout closed-loop, pas seulement en accuracy offline ; (4) traiter la licence Open Model et la stack CUDA comme des choix de gouvernance, pas des détails ; (5) surveiller le Hub (LIBERO_LeRobot_v3, Cosmos3-DROID) comme source de data de référence plutôt que de reconstruire des convertisseurs.
À suivre : adoption réelle hors SO-101 / LIBERO, stabilité de l’API groot dans LeRobot 0.6+, et articulation avec Cosmos 3 / Jetson Thor pour l’inférence edge.
Sources : Hugging Face Blog — NVIDIA Isaac Teleop and GR00T 1.7 in LeRobot (07/07/2026) · LeRobot docs — GR00T Policy · Hugging Face — nvidia/LIBERO_LeRobot_v3.