Ne oldu?

Hugging Face, 13 Ağustos 2026 tarihinde yayımladığı bir blog yazısında, AWS'nin geliştirdiği açık kaynaklı Strands Robots SDK'sının LeRobot veri formatı ve Hugging Face Storage Buckets ile nasıl birleştirildiğini anlattı. Yazı, robot demonstrasyonlarının kaydedilmesinden eğitime, eğitimden donanıma dağıtıma kadar uzanan sürecin tek bir ajan döngüsü içinde nasıl yürütülebileceğini gösteriyor.

Strands Robots, robot kollarını, insansı robotları, mobil tabanları ve elleri soyutlayan; bunları LeRobot yığınıyla birlikte Strands ajanlarına araç (AgentTool) olarak sunan bir kütüphane. SDK, Apache 2.0 lisansı altında dağıtılıyor ve önceki bir blog yazısında tanıtılan Robot() fabrikasını temel alıyor. Bu fabrika, kol, insansı robot, mobil taban ve el gibi çok sayıda desteklenen robot türünden birini isimle çağırarak çalışıyor.

Neden önemli?

LeRobot'un veri kümesi formatı, Hugging Face Hub üzerinde 8.000'den fazla yayıncıya ait 90.000'den fazla veri kümesi ve modelde kullanılıyor. Bu ölçek, Strands Robots ile kaydedilen bir veri kümesinin herhangi bir dönüştürme işlemine gerek kalmadan mevcut LeRobot araçlarıyla doğrudan okunabilmesi anlamına geliyor.

Blog yazısına göre asıl sorun, bu döngünün sürekli çalıştırılması gerektiğinde ortaya çıkıyor: gün boyunca kaydedilen bölümler büyüdükçe her eğitim çalışması tüm veri kümesini GPU'lara kopyalıyor, her yeni kontrol noktası (checkpoint) dışarı gönderiliyor ve bir sonraki kayıt grubu geri geliyor. Bu tekrarlayan işlemler, aynı bayt aktarımlarının defalarca yapılmasına yol açıyor.

Mart 2026'da duyurulan Hugging Face Storage Buckets, bu soruna cevap olarak sunuluyor. Xet altyapılı, sürümlenmeyen ve değiştirilebilir bu depolama türü, veri kümesi depolarının (dataset repository) yanında hf:// isim alanında yer alıyor ve mevcut hf komut satırı arayüzüyle (CLI) çalışıyor. Böylece kayıt anıyla eğitim anı arasındaki çalışma katmanını oluşturuyor.

Yeni sistem nasıl işliyor?

  • Kayıt: Robot() nesnesi bir LeRobotDataset kaydediyor ve tamamlanan veri kümesini bir Storage Bucket'a senkronize ediyor; her senkronizasyon yalnızca değişen baytları yüklüyor.
  • Eğitim: Veri kümesi indirilmeden, Hugging Face Hub üzerinden kare kare akış (streaming) yoluyla okunuyor; kamera videoları da bu sırada anında çözülüyor.
  • Dağıtım: Eğitilmiş kontrol noktası, tek bir anahtar kelime argümanı (mode="real") değiştirilerek aynı Robot() nesnesi üzerinden fiziksel donanıma gönderiliyor.
  • Format tutarlılığı: Sürecin her aşamasında veri, LeRobot'un yazdığı diskteki format olarak kalıyor; herhangi bir dönüştürme adımı gerekmiyor.

Kurulum için neler gerekiyor?

Hugging Face'in yayınladığı belgeye göre, sistemin minimum çalışması için Python 3.12 veya üzeri, Linux ya da macOS (Apple Silicon için MuJoCo desteği dahil) ve Amazon Bedrock, Anthropic API, OpenAI ya da yerel Ollama gibi Strands uyumlu bir model sağlayıcısı gerekiyor. Strands Robots'un veri kümesi eklentileriyle (lerobot extra) birlikte kurulması, LeRobot, datasets, av ve torchcodec kütüphanelerini de otomatik olarak getiriyor.

Donanım ve gelişmiş kullanım için ise yazma izni olan bir Hugging Face hesabı ve token, hf CLI, kalibrasyon dosyalarıyla birlikte bir SO-101 takipçi-lider çift robot veya LeRobot destekli başka bir robot; ayrıca yerel görsel-dil-eylem (vision-language-action, VLA) çıkarımı için NVIDIA GPU ya da ölçekli eğitim için bir GPU kümesi gerekiyor.

Sırada ne var?

Blog yazısı, anlatılan döngünün çalıştırılabilir bir örneğinin examples/notebooks/05_streaming_data_loop.ipynb dosyasında paylaşıldığını belirtiyor. Yazının varsayılan yapılandırmasında gerçek bir politika yerine, geçerli ama kullanışlı olmayan veri kümeleri üreten bir sahte (mock) politika kullanılıyor; gerçek eğitim adımı için lerobot[training] paketinin ayrıca kurulması gerekiyor.