Opnemen, trainen en implementeren vanaf één plek met Strands Agents, LeRobot en Hugging Face Storage Buckets

De blogpost van Hugging Face introduceert een data-loop met Strands Agents, LeRobot en Hugging Face Storage Buckets. Het bouwt voort op de vorige post over Strands Robots, een open-source SDK van AWS (Apache 2.0) die robotabstracties, simulatie en de LeRobot-stack als AgentTools blootstelt. Het belangrijkste idee is om demonstraties op te nemen, ze te synchroniseren naar een Storage Bucket (een veranderlijk, niet-versiebeheerd, op Xet gebaseerd repositorytype), de dataset te streamen voor training zonder volledige download, en het getrainde checkpoint naar hardware te implementeren met een moduswijziging. Het voorbeeld gebruikt Robot("so100") om een LeRobotDataset op te nemen, sync_dataset_to_bucket om deze te synchroniseren, en stream_dataset om deze terug te lezen. Storage Buckets worden ondersteund door Xet, dat uploads op byteniveau dedupliceert met behulp van inhoudsgedefinieerde chunking, waardoor de hoeveelheid gegevens die per upload wordt overgedragen ongeveer vier keer wordt verminderd. De post behandelt ook het opnemen op hardware met de lerobot-record CLI en merkt op dat hetzelfde formaat werkt voor zowel simulatie als fysieke robots. Het biedt codefragmenten en vereisten voor het uitvoeren van de loop.