Amazon и Hugging Face представили совместный пайплайн для сбора данных, обучения и развертывания робототехнических моделей с использованием LeRobot и Storage Buckets.
2 мин
Amazon совместно с платформой Hugging Face представили комплексный подход к разработке робототехнических систем. Новое решение объединяет агентов Strands, библиотеку LeRobot и облачное хранилище Hugging Face Storage Buckets. Это позволяет разработчикам осуществлять полный цикл работы — от записи данных до обучения и развертывания моделей — в рамках единой инфраструктуры.
Исторически разработка программного обеспечения для роботов была сопряжена с высокой фрагментацией инструментов. Сбор телеметрии, обучение нейросетей и их последующее внедрение в физические устройства требовали использования разрозненных систем. В последние годы мы наблюдаем стремительное развитие моделей, объединяющих зрение, язык и действия (Vision-Language-Action, VLA). Hugging Face, стремясь стать стандартом для открытой робототехники, активно развивает проект LeRobot, чтобы упростить этот процесс по аналогии с тем, как они стандартизировали работу с большими языковыми моделями (LLM).
В опубликованных материалах фигурирует ряд значимых открытых моделей для робототехники. Среди них MolmoAct2 от Allen AI с 5 миллиардами параметров, pi0_base (4 миллиарда параметров), легковесная smolvla_base (0.5 миллиарда), а также решения от NVIDIA — Cosmos3-Nano и GR00T. Важной частью анонса стало тестирование производительности Hugging Face Storage Buckets. Внутренние бенчмарки показывают, что использование нативных хранилищ платформы в связке с LeRobot обеспечивает необходимую пропускную способность для эффективного обучения роботов на больших массивах данных.
Создание замкнутого цикла работы с данными (data loop) означает серьезный сдвиг в индустрии. Разработчикам больше не нужно тратить ресурсы на настройку сложной инфраструктуры передачи данных между серверами и роботами. Интеграция агентов Strands позволяет автоматизировать сбор и обработку информации, делая процесс обучения более непрерывным и масштабируемым. Это снижает порог входа в передовую робототехнику для небольших исследовательских групп и стартапов.
В перспективе подобные инициативы приведут к окончательной стандартизации форматов данных и протоколов взаимодействия в робототехнике. Поддержка открытых экосистем со стороны таких гигантов, как Amazon, ускорит переход от узкоспециализированных роботов к универсальным системам, способным обучаться на коллективном опыте, собранном в единых репозиториях.
Amazon и Hugging Face создали унифицированную среду для разработки роботов, объединив сбор данных, обучение и развертывание моделей в одном контуре.
Облачные гиганты активно инвестируют в стандартизацию открытой робототехники, понимая, что унификация инфраструктуры — главный ключ к появлению доступных универсальных роботов.
