ทันเอไอ

Hugging Face tawarkan alur kerja pengembangan robot komprehensif: rekam, latih, dan terapkan di satu tempat

Hugging Face mengintegrasikan Strands Agents, LeRobot, dan Storage Buckets agar pengembang dapat merekam data, melatih model, dan menerapkannya pada perangkat keras robot dalam satu alur kerja.

Hugging Face menghadirkan pendekatan alur kerja (workflow) pengembangan robot ujung-ke-ujung (end-to-end) melalui blog resminya, dengan mengintegrasikan tiga alat untuk memungkinkan pengembang mengumpulkan data, melatih model, dan menerapkannya pada perangkat keras nyata di satu tempat tanpa harus berpindah-pindah platform.

Tiga alat tersebut terdiri dari Strands Agents yang berfungsi mengoordinasikan dan mengontrol robot, LeRobot sebagai pustaka sumber terbuka untuk melatih dan mengontrol robot, serta Hugging Face Storage Buckets, sistem penyimpanan data yang dapat disesuaikan dengan mekanisme deduplikasi untuk menghemat ruang penyimpanan data demonstrasi dalam jumlah besar.

Proses kerjanya dibagi menjadi tiga tahap utama. Tahap pertama adalah merekam (record) data demonstrasi tugas dari robot, yang dapat dilakukan baik dari sistem simulasi maupun perangkat keras nyata, lalu menyimpannya langsung ke Storage Buckets. Tahap berikutnya adalah pelatihan (train), di mana set data dialirkan (stream) langsung dari Hub untuk melatih model tanpa harus mengunduh seluruh data ke perangkat terlebih dahulu, sehingga menghemat ruang dan waktu. Tahap terakhir adalah penerapan (deploy), yaitu memasang hasil (checkpoint) yang telah dilatih langsung ke perangkat keras robot.

Pendekatan ini mencerminkan arah industri robotika yang beralih dari eksperimen terpisah ke alur kerja yang terhubung dari awal hingga akhir, dengan memanfaatkan infrastruktur Hugging Face yang sudah akrab di sisi AI untuk diterapkan pada pekerjaan robot. Informasi ini dilaporkan lebih lanjut oleh media teknologi AI seperti daily.dev dan AIGC.NEWS, dengan tanggal publikasi sekitar 13 Agustus 2026.