ทันเอไอ

Hugging Face propone un flujo de trabajo integral para el desarrollo de robots: grabar, entrenar y desplegar en un solo lugar

Hugging Face combina Strands Agents, LeRobot y Storage Buckets para que los desarrolladores graben datos, entrenen modelos y los desplieguen en hardware de robots en un solo flujo de trabajo.

Hugging Face ha presentado un enfoque de flujo de trabajo integral (End-to-End) para el desarrollo de robots a través de su blog oficial, integrando tres herramientas para que los desarrolladores puedan recopilar datos, entrenar modelos y desplegarlos en hardware real desde un mismo lugar, sin necesidad de cambiar entre múltiples plataformas.

Las tres herramientas son Strands Agents, que actúa como coordinador y controlador de robots; LeRobot, una biblioteca de código abierto para entrenar y controlar robots; y Hugging Face Storage Buckets, un sistema de almacenamiento personalizable con un mecanismo de deduplicación que ahorra espacio al almacenar grandes volúmenes de datos de demostración.

The el flujo de trabajo se divide en tres fases principales: la primera es la grabación (Record) de datos de demostración del robot, realizable tanto en entornos simulados como en hardware real, almacenándolos directamente en Storage Buckets. La segunda es el entrenamiento (Train), que permite transmitir conjuntos de datos (Datasets) desde el Hub para entrenar modelos de inmediato sin necesidad de descargar todos los datos localmente, ahorrando tiempo y espacio. La tercera es el despliegue (Deploy), instalando el resultado (Checkpoint) ya entrenado directamente en el hardware del robot.

Este enfoque refleja la dirección de la industria de la robótica, que está transitando de experimentos aislados a flujos de trabajo conectados de principio a fin, utilizando la infraestructura de Hugging Face ya familiar en el ámbito de la IA aplicada a la robótica. Esta información fue reportada por medios tecnológicos de IA como daily.dev y AIGC.NEWS, con fecha de publicación aproximada del 13 de agosto de 2026.