Hugging Face propose un flux de travail robotique de bout en bout : enregistrement, entraînement et déploiement en un seul endroit
Hugging Face combine Strands Agents, LeRobot et Storage Buckets pour permettre aux développeurs d'enregistrer des données, d'entraîner des modèles et de les déployer sur du matériel robotique au sein d'un même flux de travail.
Hugging Face a présenté une approche de développement robotique de bout en bout (End-to-End) sur son blog officiel, en intégrant trois outils pour permettre aux développeurs de collecter des données, d'entraîner des modèles et de les déployer sur du matériel réel depuis une seule et même plateforme, sans avoir à jongler entre plusieurs environnements.
Ces trois outils sont Strands Agents, qui coordonne et pilote les robots ; LeRobot, une bibliothèque open source pour l'entraînement et le contrôle des robots ; et Hugging Face Storage Buckets, un système de stockage personnalisable doté d'un mécanisme de déduplication permettant d'économiser un espace précieux pour le stockage de données de démonstration.
Le processus se déroule en trois étapes principales. La première est l'enregistrement (Record) des démonstrations de tâches robotiques, réalisable à la fois sur des environnements simulés et sur du matériel réel, avec un stockage direct dans Storage Buckets. Vient ensuite l'étape de l'entraînement (Train), qui permet de diffuser en streaming des ensembles de données (Datasets) depuis le Hub pour entraîner des modèles à la volée, sans avoir à tout télécharger au préalable, réduisant ainsi la charge de stockage et de temps. Enfin, l'étape du déploiement (Deploy) consiste à installer immédiatement les points de contrôle (Checkpoints) entraînés sur le matériel robotique.
Cette approche reflète l'évolution de l'industrie de la robotique, qui passe d'expérimentations cloisonnées à un flux de travail interconnecté de bout en bout, en s'appuyant sur l'infrastructure Hugging Face déjà familière aux acteurs de l'IA. Ces informations ont également été relayées par des médias spécialisés en IA tels que daily.dev et AIGC.NEWS, avec une publication vers le 13 août 2026.
La centralisation de l'enregistrement, de l'entraînement et du déploiement abaisse les barrières pour les développeurs en robotique, en particulier les petites équipes ou les universités souhaitant lancer des projets de robotique open source sans avoir à concevoir toute l'infrastructure de zéro.