ทันเอไอ

Hugging Face stellt End-to-End-Robotic-Development-Workflow vor: Aufnehmen, Trainieren und Einsetzen an einem Ort

Hugging Face kombiniert Strands Agents, LeRobot und Storage Buckets, damit Entwickler Robotikdaten erfassen, Modelle trainieren und diese in einem einzigen Workflow auf Hardware bereitstellen können.

Hugging Face hat in einem offiziellen Blogbeitrag einen End-to-End-Workflow für die Roboterentwicklung vorgestellt. Durch die Integration von drei Tools können Entwickler nun Daten sammeln, Modelle trainieren und sie direkt auf echter Hardware ausführen, ohne zwischen verschiedenen Plattformen wechseln zu müssen.

Die drei Tools umfassen Strands Agents für die Koordination und Steuerung von Robotern, LeRobot als Open-Source-Bibliothek zum Trainieren und Steuern von Robotern sowie Hugging Face Storage Buckets als anpassbares Speichersystem mit Deduplizierung, das bei großen Mengen an Demonstrationsdaten Speicherplatz spart.

Der Arbeitsablauf unterteilt sich in drei Hauptphasen: Die erste Phase ist die Aufnahme (Record) von Demonstrationsdaten von Robotern, die sowohl aus Simulationen als auch von physischer Hardware direkt in den Storage Buckets gespeichert werden können. In der zweiten Phase (Train) werden Datensätze direkt vom Hub gestreamt, um Modelle zu trainieren, ohne die gesamten Daten vorher herunterzuladen, was Speicher und Zeit spart. In der letzten Phase (Deploy) werden die trainierten Checkpoints sofort auf der Roboter-Hardware installiert.

Dieser Ansatz spiegelt den Trend in der Robotik wider, fragmentierte Experimente durch nahtlose End-to-End-Workflows zu ersetzen, indem die vertraute KI-Infrastruktur von Hugging Face für die Robotik nutzbar gemacht wird. Berichtet wurde darüber unter anderem von den Tech-Medien daily.dev und AIGC.NEWS mit Veröffentlichung Mitte August 2026.