Один цикл, одно хранилище: как роботы Strands от AWS записывают, обучают и развёртывают данные без повторной передачи

Ключевые моменты

• AWS выпустила Strands Robots как открытый инструментарий (лицензия Apache 2.0), который объединяет запись, обучение модели и развёртывание робота в единый цикл AI-агента.
• Хранилища Hugging Face, представленные в марте 2026 года, действуют как изменяемый рабочий слой, где находятся данные робота между записью и обучением, избегая повторных полных загрузок набора данных.
• Формат набора данных LeRobot, уже используемый более чем 90 000 наборами данных от более 8000 издателей, является общим стандартом на диске на всём протяжении цикла.
• Инструментарий поддерживает имитационные прогоны на ноутбуке и физические робо-руки, такие как SO-101, переключаясь между ними путём изменения одного аргумента в коде.
• Потоковая передача с Hub означает, что каждый цикл обучения читает только нужные ему кадры, вместо того чтобы сначала копировать весь растущий набор данных на машину с GPU.

Обучение робо-руки захватывать куб требует более одной сессии записи. Вы собираете демонстрации в течение дня, обучаете модель на них, отправляете эту модель обратно на руку, наблюдаете, как она отказывает немного по-другому, и записываете снова. Если делать этот цикл вручную, вы быстро заметите, что одни и те же байты циркулируют туда-сюда: загрузите набор данных, скачайте набор данных для обучения, загрузите новую модель, повторите.

AWS создала Strands Robots, бесплатный и открытый инструментарий, чтобы автоматизировать этот цикл внутри единого AI-агента — программного обеспечения, которое может самостоятельно выполнять многоэтапные задачи без ручного управления на каждом этапе.

Что именно делает цикл?

Четыре этапа используют один бэкенд, и данные никогда не меняют формат между ними. Сначала агент записывает демонстрацию: непрерывную последовательность кадров камеры и показания положения суставов робо-руки, сохранённые в формате LeRobot — открытом стандарте, уже используемом в десятках тысяч наборов данных для обучения роботов на Hugging Face, платформе для размещения моделей AI и наборов данных.

Во-вторых, этот набор данных синхронизируется в Хранилище Hugging Face. Хранилище — это пространство хранения, которое позволяет программному обеспечению перезаписывать файлы на месте, вместо того чтобы сохранять каждую историческую версию, как это делает репозиторий кода. Hugging Face объявила об этом типе хранилища в марте 2026 года. Поскольку оно находится в том же рабочем пространстве Hugging Face, который использует разработчик, дополнительной настройки разрешений не требуется.

В-третьих, обучение потоком передаёт данные прямо из хранилища, кадр за кадром, без предварительной загрузки всего набора данных. Для набора данных, который растёт ежедневно, это имеет значение: традиционный подход копирует всё на машину обучения перед первым шагом градиента, и эта копия становится дороже каждый день.

В-четвёртых, готовую контрольную точку модели развёртывают обратно на тот же объект робота в коде, переключаясь с имитации на реальное оборудование путём изменения одного аргумента.

Для кого это на самом деле?

На данный момент аудитория — это исследователи и инженеры в области робототехники, которые уже используют экосистему LeRobot. Путь имитации работает на ноутбуке без специального оборудования. Путь оборудования ориентирован на руки, такие как SO-101, дешёвую робо-руку, популярную в академических лабораториях, хотя инструментарий поддерживает множество других конструкций.

Для всех, кто запускает кампанию по сбору данных робота, практическое преимущество — меньше ожиданий и меньше затрат на облачные передачи. Каждая синхронизация загружает только байты, которые изменились с момента последнего запуска — метод, называемый дедупликацией на уровне байтов, — вместо повторной отправки полного набора данных.

Агент также принимает решения, которые в противном случае требуют от человека проверить экран: какие эпизоды сохранить, достаточно ли сцена изменилась для повторной записи и какая контрольная точка заменит текущую на руке.

Что дальше?

Strands Robots доступна прямо сейчас на GitHub под лицензией Apache 2.0, что означает, что кто угодно может использовать или модифицировать её свободно. Сопроводительная записная книжка для этого конкретного рабочего процесса находится в examples/notebooks/05_streaming_data_loop.ipynb в репозитории, впервые описанном Hugging Face в их документации для разработчиков.

Макет политики по умолчанию позволяет разработчику запустить полный цикл на ноутбуке перед использованием времени GPU, что снижает барьер к попыткам. Реальное обучение политики всё ещё требует GPU, а развёртывание на физическом оборудовании всё ещё требует откалиброванной руки.

В более широком контексте разрыв между «Я записал данные робота» и «мой робот использует эти данные» продолжает сокращаться. Циклы, которые когда-то требовали координации команды для загрузок, заданий обучения и обновлений прошивки, теперь помещаются в несколько строк кода.