Strands Agents、LeRobot与Hugging Face存储桶：一站式记录、训练与部署

亚马逊AWS近日发布了一款名为Strands Robots的开源SDK（Apache 2.0协议），并联合Hugging Face推出了一套完整的机器人数据闭环方案。这套方案的核心是让开发者能够在一个统一的Agent循环中完成机器人演示数据的录制、模型训练和策略部署，整个过程无需在不同系统间来回搬运数据。 这套方案的关键创新在于引入了Hugging Face Storage Buckets——一种基于Xet技术的可变、非版本化的对象存储仓库类型，于2026年3月正式发布。它和普通数据集仓库一样位于hf://命名空间下，但专门用于存放训练过程中的中间数据。换句话说，你录制的演示数据先存入Bucket，训练时直接从Hub流式读取，部署时再通过一个关键字参数的变化将新检查点推回机器人硬件，全程保持LeRobot格式不变。 为什么要做这件事？核心痛点在于数据重复传输的成本。如果你每天都要跑一遍录制-训练-部署的循环，每次训练前都要把整个数据集复制到GPU上，每次部署新检查点又要传回机器人，日积月累，字节传输费用会非常可观。Strands Robots的解决方案是让数据全程留在Hub上，训练时按帧流式读取，摄像头视频边解码边用，本地不留副本。 LeRobot格式已经是机器人领域的事实标准，目前Hub上已有超过9万个数据集和模型采用该格式，来自8000多个发布者。这意味着任何能读取LeRobot数据的工具都能直接使用Strands Robots的录制结果，无需格式转换。AWS的工程师们还特别强调了"同一个进程既写又读"的设计——录制数据的Robot()实例可以直接流式读取同一份数据，这大大简化了开发流程。 对于跨境电商卖家来说，这个方案可能听起来有些遥远，但它的意义在于降低了机器人自动化的门槛。如果你在海外仓部署了拣货机器人，过去需要专业团队维护数据管道，现在通过Strands Robots的自然语言提示就能录制演示、自动训练、一键部署新策略。整个流程从"录制"到"部署"可以在一个Agent内完成，而且每天都能持续迭代优化。 当然，这套方案也面临一些现实挑战。比如，谁来决定保留哪些演示片段？场景漂移到什么程度需要重新录制？今天的数据量够不够训练？这些决策在采集过程中会反复出现几十次，每次都需要人工检查。AWS的工程师们认为，这正是Agent应该承担的工作——未来这些决策也可以逐步自动化。 如果你已经熟悉Strands Robots的基础用法，可以直接查看官方提供的示例笔记本examples/notebooks/05_streaming_data_loop.ipynb，里面有完整的可运行代码。对于刚接触的开发者，建议先阅读该系列的第一篇文章，了解Robot()工厂、模拟环境录制和物理机器人部署的基础流程。