ทันเอไอ

Hugging Face, 단일 워크플로우로 기록·학습·배포 가능한 올인원 로봇 개발 프로세스 제안

Hugging Face가 Strands Agents, LeRobot, Storage Buckets를 통합해 개발자가 단일 워크플로우에서 데이터를 기록하고, 모델을 학습하며, 로봇 하드웨어에 배포할 수 있도록 지원합니다.

Hugging Face는 공식 블로그를 통해 데이터 수집, 모델 학습, 실제 하드웨어 배포를 여러 플랫폼 간 전환 없이 한곳에서 수행할 수 있도록 3가지 도구를 통합한 엔드투엔드(End-to-End) 로봇 개발 워크플로우를 공개했습니다.

통합된 세 가지 도구는 로봇 제어 및 조율을 담당하는 'Strands Agents', 로봇 학습 및 제어를 위한 오픈소스 라이브러리 'LeRobot', 그리고 대규모 시연 데이터 저장 공간을 절약하는 중복 제거(deduplication) 메커니즘을 갖춘 맞춤형 스토리지 시스템 'Hugging Face Storage Buckets'입니다.

작업 단계는 크게 세 가지로 나뉩니다. 첫째, 시뮬레이터와 실제 하드웨어 모두에서 로봇 시연 데이터를 기록(Record)하여 Storage Buckets에 직접 저장합니다. 둘째, Hub에서 데이터셋을 직접 스트리밍하여 전체 데이터를 로컬에 다운로드할 필요 없이 모델을 학습(Train)함으로써 시간과 저장 공간을 절약합니다. 셋째, 학습이 완료된 체크포인트(Checkpoint)를 로봇 하드웨어에 즉시 배포(Deploy)합니다.

이번 접근 방식은 로보틱스 업계가 개별적인 실험 단계에서 벗어나 처음부터 끝까지 연결된 워크플로우로 전환되는 흐름을 보여줍니다. AI 진영에서 이미 익숙한 Hugging Face의 인프라를 로봇 분야에 접목한 것으로, AI 기술 매체인 daily.dev와 AIGC.NEWS 등을 통해 2026년 8월 13일 전후로 보도되었습니다.