用 Strands Agents、LeRobot 与 Hugging Face Storage Buckets 打通机器人数据闭环

这套循环做了什么

Hugging Face 官方博客 2026 年 8 月 13 日发布的企业文章，介绍在同一个 Strands 智能体循环中完成机器人演示录制、从 Hub 流式训练与策略部署，数据全程保持 LeRobot 格式，并用 Storage Bucket 作为可覆盖的工作层。文中四个阶段共享同一后端：Robot("so100") 通过 DatasetRecorder 录制 LeRobotDataset，sync_dataset_to_bucket(...) 同步到 Bucket，stream_dataset(...) 免全量下载读回，训练好的 checkpoint 以 mode="real" 部署回同一 Robot。

分步说明

• 录制：智能体用自然语言提示驱动场景、相机、策略与录制；完成后同步到 hf://buckets/{bucket}/{run_id}。同步函数与 DatasetRecorder.sync_to_bucket、stop_recording(bucket=...) 均可用；发布版仍走 push_to_hub()。
• 存储：Bucket 由 Xet 支持，按内容定义分块做字节级去重。文章引用 Hugging Face 自身测量称，Hub 上每次上传传输量约减少四倍；单文件基准中，从 500 MB 上传起，改动 1%、5%、10% 字节后重传分别传输 5.5 MB、27.5 MB、55 MB。实际节省取决于文件布局，LeRobot 默认按 100 MB Parquet 与 200 MB MP4 滚动分片。
• 训练：stream_dataset() 返回可迭代读取器，仅 meta/ 落本地，视频帧从远端 MP4 分片即时解码。lerobot-train 用 --dataset.repo_type=bucket 时必须同时 --dataset.streaming=true。作者给出一次测量：单张 NVIDIA L4（g6.4xlarge）上，ACT（51.6M 参数，有效批 8）在 120 帧单回合数据上跑 500 步耗时 133 秒，并说明这不是基准测试。
• 部署：同一份智能体代码把 mode 改为 "real" 即可在实体 SO-101 上运行，新录数据以相同格式回到 Bucket。

前提与限制

默认仿真路径需要 Python 3.12+、一个 Strands 兼容模型提供方、以及带 [sim-mujoco,lerobot] 扩展的 strands-robots；默认 mock 策略只产出结构有效但不可用于训练的数据。Bucket、硬件与本地 VLA 推理属进阶条件。文章强调按 run_id 分次同步可追溯，Bucket 不保留修订，需审计的产物应发布到版本化数据集仓库。安全部分提示了提示注入、训练数据信任边界、令牌范围与 trust_remote_code 加载权重等风险。正文因截断在清理命令处结束。