¿Qué pasó?

Hugging Face explicó en una entrada de blog publicada el 13 de agosto de 2026 cómo el SDK de código abierto Strands Robots, desarrollado por AWS, se integra con el formato de datos LeRobot y Hugging Face Storage Buckets. La publicación muestra cómo el proceso que va desde el registro de demostraciones de robots hasta el entrenamiento y el despliegue en hardware puede ejecutarse dentro de un único ciclo de agente.

Strands Robots es una biblioteca que abstrae brazos robóticos, robots humanoides, bases móviles y manos, ofreciéndolos como herramientas (AgentTool) para los agentes Strands junto con la pila de LeRobot. El SDK se distribuye bajo licencia Apache 2.0 y se basa en la fábrica Robot(), presentada en una entrada de blog anterior, que funciona invocando por nombre cualquiera de los numerosos tipos de robots compatibles, como brazos, humanoides, bases móviles y manos.

¿Por qué importa?

El formato de conjuntos de datos de LeRobot se utiliza en más de 90.000 conjuntos de datos y modelos de más de 8.000 publicadores en Hugging Face Hub. Esta escala significa que un conjunto de datos registrado con Strands Robots puede leerse directamente con las herramientas existentes de LeRobot sin necesidad de ninguna conversión.

Según la entrada de blog, el problema real surge cuando este ciclo debe ejecutarse de forma continua: a medida que crecen los episodios grabados durante el día, cada ejecución de entrenamiento copia todo el conjunto de datos a las GPU, cada nuevo punto de control (checkpoint) se envía fuera y el siguiente lote de grabación regresa. Estas operaciones repetitivas hacen que los mismos bytes se transfieran una y otra vez.

Hugging Face Storage Buckets, anunciado en marzo de 2026, se presenta como respuesta a este problema. Este tipo de almacenamiento mutable y sin versiones, basado en Xet, se ubica junto a los repositorios de conjuntos de datos en el espacio de nombres hf:// y funciona con la interfaz de línea de comandos (CLI) hf existente, formando así la capa de trabajo entre el momento del registro y el del entrenamiento.

¿Cómo funciona el nuevo sistema?

  • Registro: El objeto Robot() graba un LeRobotDataset y sincroniza el conjunto de datos completado con un Storage Bucket; cada sincronización solo sube los bytes que cambiaron.
  • Entrenamiento: El conjunto de datos se lee cuadro por cuadro mediante streaming desde Hugging Face Hub sin necesidad de descargarlo, y los videos de las cámaras se decodifican al instante durante este proceso.
  • Despliegue: El punto de control entrenado se envía al hardware físico a través del mismo objeto Robot(), cambiando únicamente un argumento de palabra clave (mode="real").
  • Consistencia de formato: En cada etapa del proceso, los datos permanecen en el formato de disco escrito por LeRobot, sin requerir ningún paso de conversión.

¿Qué se necesita para la instalación?

Según la documentación publicada por Hugging Face, para el funcionamiento mínimo del sistema se requiere Python 3.12 o superior, Linux o macOS (incluido soporte de MuJoCo para Apple Silicon) y un proveedor de modelos compatible con Strands, como Amazon Bedrock, la API de Anthropic, OpenAI u Ollama local. Instalar Strands Robots junto con sus extras de conjuntos de datos (lerobot extra) trae automáticamente las bibliotecas LeRobot, datasets, av y torchcodec.

Para el uso con hardware y funciones avanzadas se necesita, además, una cuenta de Hugging Face con permisos de escritura y un token, la CLI hf, un par de robots seguidor-líder SO-101 con sus archivos de calibración u otro robot compatible con LeRobot, así como una GPU NVIDIA para inferencia local de visión-lenguaje-acción (VLA) o un clúster de GPU para entrenamiento a escala.

¿Qué sigue?

La entrada de blog señala que un ejemplo ejecutable del ciclo descrito se comparte en el archivo examples/notebooks/05_streaming_data_loop.ipynb. En la configuración predeterminada del ejemplo se utiliza una política simulada (mock) que genera conjuntos de datos válidos pero no útiles en lugar de una política real; para el paso de entrenamiento real es necesario instalar por separado el paquete lerobot[training].