ทันเอไอ

Hugging Face 推出端到端机器人开发工作流，实现录制、训练与部署一体化

Hugging Face 整合 Strands Agents、LeRobot 与 Storage Buckets，让开发者在单一工作流中完成机器人数据的录制、模型训练及硬件部署。

Hugging Face 通过官方博客推出了端到端（End-to-End）机器人开发工作流（Workflow），集成了三大工具，使开发者能够在单一平台上完成数据收集、模型训练以及在真实硬件上的部署，无需在多个平台之间来回切换。

这三大工具包括：用于协调和控制机器人的 Strands Agents、用于机器人训练与控制的开源库 LeRobot，以及带有数据去重（Deduplication）机制、可定制的 Hugging Face Storage Buckets 存储系统，可大幅节省海量演示数据的存储空间。

工作流主要分为三个阶段：首先是“录制”（Record）阶段，从模拟系统和真实硬件中捕获机器人的演示数据，并直接存入 Storage Buckets；接着是“训练”（Train）阶段，可直接从 Hub 流式传输数据集来训练模型，无需将全部数据下载到本地，从而节省空间和时间；最后是“部署”（Deploy）阶段，将训练好的模型权重（Checkpoint）直接安装到机器人硬件上。

这一方案反映了机器人行业的发展趋势，即通过 Hugging Face 在 AI 领域成熟的基础设施，将原本碎片化的实验转变为无缝连接的端到端工作流并应用于机器人领域。该消息此前已被 daily.dev 和 AIGC.NEWS 等 AI 科技媒体报道，发布时间大约在 2026 年 8 月 13 日。