ทันเอไอ

Hugging Face เสนอเวิร์กโฟลว์พัฒนาหุ่นยนต์ครบวงจร บันทึก-ฝึก-ปรับใช้ได้ในที่เดียว

Hugging Face รวม Strands Agents, LeRobot และ Storage Buckets ให้นักพัฒนาบันทึกข้อมูล ฝึกโมเดล และปรับใช้ลงฮาร์ดแวร์หุ่นยนต์ได้ในเวิร์กโฟลว์เดียว

Hugging Face นำเสนอแนวทาง (Workflow) การพัฒนาหุ่นยนต์แบบครบวงจร (End-to-End) ผ่านบล็อกทางการของบริษัท โดยบูรณาการเครื่องมือ 3 ตัวเข้าด้วยกัน เพื่อให้นักพัฒนาสามารถเก็บข้อมูล ฝึกฝนโมเดล และนำโมเดลไปใช้งานบนฮาร์ดแวร์จริงได้ในจุดเดียว ไม่ต้องสลับไปมาระหว่างหลายแพลตฟอร์ม

เครื่องมือทั้งสามประกอบด้วย Strands Agents ซึ่งทำหน้าที่ประสานงานและสั่งการหุ่นยนต์, LeRobot ไลบรารีโอเพนซอร์สสำหรับฝึกฝนและควบคุมหุ่นยนต์ และ Hugging Face Storage Buckets ระบบจัดเก็บข้อมูลที่ปรับแต่งได้และมีกลไก deduplication (ตัดข้อมูลซ้ำซ้อนออก) ช่วยประหยัดพื้นที่จัดเก็บข้อมูลสาธิตจำนวนมาก

ขั้นตอนการทำงานแบ่งเป็น 3 ช่วงหลัก ช่วงแรกคือการบันทึก (Record) ข้อมูลการสาธิตงานจากหุ่นยนต์ ซึ่งทำได้ทั้งจากระบบจำลองและฮาร์ดแวร์จริง แล้วเก็บลงใน Storage Buckets โดยตรง ต่อมาเป็นช่วงฝึกฝน (Train) ที่สตรีมข้อมูลชุดข้อมูล (Dataset) จาก Hub มาใช้เทรนโมเดลได้ทันที โดยไม่ต้องดาวน์โหลดข้อมูลทั้งหมดลงเครื่องก่อน ช่วยลดภาระเรื่องพื้นที่และเวลา และช่วงสุดท้ายคือการปรับใช้ (Deploy) นำผลลัพธ์ (Checkpoint) ที่เทรนเสร็จแล้วไปติดตั้งบนฮาร์ดแวร์หุ่นยนต์ได้ทันที

แนวทางนี้สะท้อนทิศทางของวงการ Robotics ที่กำลังเปลี่ยนจากการทดลองแยกส่วนเป็นเวิร์กโฟลว์ที่เชื่อมต่อกันตั้งแต่ต้นจนจบ โดยใช้โครงสร้างพื้นฐานของ Hugging Face ที่คุ้นเคยกันอยู่แล้วในฝั่ง AI มาประยุกต์กับงานหุ่นยนต์ ข้อมูลดังกล่าวถูกรายงานต่อโดยสื่อด้านเทคโนโลยี AI อย่าง daily.dev และ AIGC.NEWS โดยระบุช่วงเวลาเผยแพร่ราววันที่ 13 สิงหาคม 2026