Aufzeichnen, trainieren und bereitstellen von einem Ort aus mit Strands Agents, LeRobot und Hugging Face Storage Buckets
Amazon Web Services
Hugging Face
Das AWS SDK Strands Robots führt eine Agent-Schleife ein, die Demonstrationen aufzeichnet, sie mit Hugging Face Storage Buckets synchronisiert, Daten zum Training streamt und Richtlinien mit nur einer Schlüsselwortänderung zurück auf Roboter bereitstellt. Storage Buckets, unterstützt von Xet, bieten Byte-Level-Deduplizierung, um Upload-Kosten zu reduzieren. Der Beitrag enthält eine Codedurchführung zum Aufzeichnen, Synchronisieren, Streamen und Bereitstellen in einer agentischen Schleife.
Der Blogbeitrag von Hugging Face stellt eine Daten-Schleife vor, die Strands Agents, LeRobot und Hugging Face Storage Buckets verwendet. Er baut auf dem vorherigen Beitrag über Strands Robots auf, einem Open-Source-SDK von AWS (Apache 2.0), das Roboter-Abstraktionen, Simulation und den LeRobot-Stack als AgentTools bereitstellt. Die Kernidee besteht darin, Demonstrationen aufzuzeichnen, sie mit einem Storage Bucket zu synchronisieren (ein veränderlicher, nicht versionierter, Xet-basierter Repository-Typ), den Datensatz für das Training ohne vollständigen Download zu streamen und das trainierte Modell mit einem Moduswechsel auf die Hardware zu übertragen. Das Beispiel verwendet Robot("so100"), um einen LeRobotDataset aufzuzeichnen, sync_dataset_to_bucket zum Synchronisieren und stream_dataset zum Zurücklesen. Storage Buckets basieren auf Xet, das Uploads auf Byte-Ebene mithilfe von inhaltsabhängigem Chunking dedupliziert und so die Datenmenge pro Upload um etwa das Vierfache reduziert. Der Beitrag behandelt auch die Aufzeichnung auf Hardware mit der CLI lerobot-record und weist darauf hin, dass dasselbe Format sowohl für Simulation als auch für physische Roboter funktioniert. Er enthält Codeausschnitte und Voraussetzungen für die Ausführung der Schleife.
Quelle: Hugging Face blog —
Original