從Hugging Face Hub到機器人硬件：Strands Agents與LeRobot的集成

AWS開源的Strands Robots SDK（Apache 2.0）現已與LeRobot深度集成，為機器人開發者提供了一條從Hugging Face Hub數據集到實體機器人的無縫路徑。通過將LeRobot棧封裝為AgentTools，開發者可以構建單一智能體，完成記錄演示、訓練策略、模擬測試以及部署到硬件的全部工作——而無需在不同工具間切換。

該集成的核心設計理念是保持接口的輕量化。LeRobot原有的腳本（如lerobot-record、lerobot-calibrate）繼續負責硬件記錄和校準，而Strands AgentTools則負責智能體實際編排的部分。模擬工具記錄的數據集與LeRobot在硬件上寫入的格式完全相同，GR00T和LerobotLocal提供統一的策略推理接口，MolmoAct2檢查點則通過LerobotLocal路徑運行。通過Zenoh對等網格，智能體還可以協調遠程機器人集羣。

開發者通過一個簡單的Python腳本即可體驗整套流程。默認模式下，Robot("so100")返回模擬環境，無需連接硬件；設置mode="real"則切換到由LeRobot驅動的實體機器人。Agent代碼在兩種模式下完全一致。示例應用（位於hub_to_hardware.py和notebook中）可在筆記本上完整運行，從記錄演示、推送到Hub，到在模擬中運行策略，一氣呵成。

文章詳細介紹了五個步驟：首先構建基於LeRobot AgentTools的智能體；其次在模擬中記錄演示數據集並推送到Hub；然後使用同一數據集在模擬中運行策略；接着通過更改一個參數將相同Agent代碼部署到物理SO-101機器人；最後利用Zenoh網格向整個機器人羣發送命令。整個過程無需額外硬件或GPU，甚至無需Hugging Face憑證即可完成默認路徑的測試。

對於希望深入實踐的開發者，文章還提供了硬件部署和真實策略（如GR00T或MolmoAct2）的配置指南。值得注意的是，模擬記錄的LeRobotDataset與硬件記錄的數據集格式完全一致，因此訓練腳本無需修改即可直接使用。NVIDIA最新的Cosmos 3也作為策略提供者支持同一接口。

當前方案仍處於持續演進階段，未來計劃包括改進策略加載流水線、提供演示數據的自動驗證功能，以及支持更多機器人型號。開發者可以從GitHub倉庫克隆示例應用，立即開始構建自己的機器人控制智能體。