ทันเอไอ

Hugging Face представила комплексный рабочий процесс разработки роботов: запись, обучение и развертывание в одном месте

Hugging Face объединила Strands Agents, LeRobot и Storage Buckets, чтобы разработчики могли записывать данные, обучать модели и развертывать их на робототехническом железе в рамках единого рабочего процесса.

Hugging Face представила подход к сквозной (End-to-End) разработке роботов в своем официальном блоге, интегрировав три инструмента, чтобы разработчики могли собирать данные, обучать модели и применять их на реальном оборудовании в едином интерфейсе без необходимости переключаться между платформами.

В число трех инструментов вошли Strands Agents для координации и управления роботами, LeRobot — библиотека с открытым исходным кодом для обучения и управления роботами, а также Hugging Face Storage Buckets — настраиваемая система хранения с механизмом дедупликации, экономящая место при хранении больших объемов демонстрационных данных.

Рабочий процесс делится на три основных этапа. Первый — запись (Record) демонстрационных данных робота, выполняемая как в симуляторах, так и на реальном железе с сохранением напрямую в Storage Buckets. Затем следует этап обучения (Train) со стримингом датасетов с хаба для моментального обучения моделей без скачивания всех данных на локальное устройство, что экономит время и ресурсы. Заключительный этап — развертывание (Deploy) обученных чекпоинтов непосредственно на робототехническом оборудовании.

Этот подход отражает тенденцию в робототехнике к переходу от разрозненных экспериментов к единым сквозным рабочим процессам за счет применения привычной ИИ-инфраструктуры Hugging Face к задачам робототехники. Об этом также сообщили профильные ИИ-СМИ daily.dev и AIGC.NEWS, указав дату публикации около 13 августа 2026 года.