ทันเอไอ

Hugging Face、記録・学習・デプロイを一体化したロボット開発ワークフローを提案

Hugging FaceがStrands Agents、LeRobot、Storage Bucketsを統合し、開発者が単一のワークフローでデータ記録、モデル訓練、ロボットハードウェアへのデプロイを行える環境を提供。

Hugging Faceは公式ブログを通じて、エンドツーエンドのロボット開発ワークフローを発表しました。3つのツールを統合することで、開発者は複数のプラットフォームを行き来することなく、データの収集、モデルの訓練、実際のハードウェアへのデプロイを1箇所で行うことができます。

統合された3つのツールは、ロボットの協調・制御を行う「Strands Agents」、ロボットの訓練と制御のためのオープンソースライブラリ「LeRobot」、そして大量のデモデータを効率的に保存するため重複排除（デデュプリケーション）機能を備えたカスタマイズ可能なデータストレージシステム「Hugging Face Storage Buckets」です。

ワークフローは主に3つの段階に分かれます。第1段階は「記録（Record）」で、シミュレーターや実際のハードウェアからロボットのデモデータを記録し、Storage Bucketsに直接保存します。第2段階は「訓練（Train）」で、すべてのデータを事前にダウンロードすることなく、Hubからデータセットをストリーミングして即座にモデルの訓練を行えるため、容量と時間を大幅に削減できます。そして最終段階の「デプロイ（Deploy）」では、訓練済みのチェックポイントをロボットのハードウェアに即座にインストールします。

このアプローチは、AI分野ですでに馴染みのあるHugging Faceのインフラをロボット工学に応用し、バラバラだった実験からシームレスなエンドツーエンドのワークフローへと移行するロボット業界のトレンドを反映しています。この情報は、AI系テックメディアのdaily.devやAIGC.NEWSによって2026年8月13日前後に報じられました。