AI RACE— Cuộc đua AI
Robot & Tự động hóa

AWS Strands Agents kết nối LeRobot: từ mô phỏng đến robot thật trong một agent

AWS vừa công bố cách tích hợp LeRobot vào Strands Robots SDK, cho phép dạy robot mới qua một agent duy nhất — từ ghi hình demo trong mô phỏng, đẩy lên Hugging Face Hub, chạy policy, đến triển khai trên robot vật lý.

17:18 17/06/2026
Robot & Tự động hóa

Vấn đề: Công cụ rời rạc, quy trình phức tạp

Hiện tại, khi muốn dạy cho robot một tác vụ mới, nhà phát triển phải sử dụng năm công cụ riêng biệt: ghi hình demo, huấn luyện model, test trong mô phỏng, code tùy chỉnh để triển khai trên phần cứng, và công cụ điều phối khi có nhiều robot. Các công cụ này hoạt động tách rời, không giao tiếp với nhau.

Giải pháp: Strands Robots SDK

AWS công bố Strands Robots — một SDK nguồn mở (Apache 2.0) gói gọn toàn bộ quy trình thành các AgentTools. Bạn chỉ cần viết một agent duy nhất, nó sẽ điều phối toàn bộ từ ghi hình đến triển khai.

Thiết kế của Strands rất tối giản: LeRobot giữ xử lý ghi hình và hiệu chuẩn phần cứng; Strands Agent đảm nhận phần điều phối. Dataset được ghi dưới cùng định dạng LeRobotDataset — dù là từ mô phỏng MuJoCo hay từ SO-101 vật lý. Policy inference hỗ trợ GR00T, LerobotLocal, MolmoAct2 qua một giao diện chung.

Quy trình 5 bước trong một agent

  1. Ghi hình demo: Agent ghi hình hành động tác vụ trong MuJoCo simulation mà không cần GPU hay phần cứng
  2. Đẩy lên Hub: Tự động đẩy dataset lên Hugging Face Hub dưới định dạng LeRobotDataset
  3. Chạy policy: Test policy trên cùng dữ liệu trong mô phỏng
  4. Triển khai phần cứng: Đổi một tham số (mode="real") là agent code hoạt động trên robot SO-101 thật
  5. Điều phối fleet: Khi có nhiều robot, agent sử dụng mesh Zenoh để phát lệnh tới toàn bộ robot

Bắt đầu dễ dàng

Ví dụ hoàn chỉnh chỉ cần 5 dòng Python:

``python from strands_robots import Robot from strands import Agent arm = Robot("so100") # Mô phỏng (mặc định an toàn) agent = Agent(tools=[arm]) agent("Pick up the red cube") ``

Mặc định chạy trên mô phỏng, không cần GPU hay tài khoản Hugging Face. Dataset từ mô phỏng và từ hardware dùng cùng định dạng — bạn có thể huấn luyện trên data mô phỏng, test trên hardware thật mà không phải chuyển đổi format.

Ví dụ đầy đủ có sẵn trong repository strands-labs/robots tại examples/lerobot/hub_to_hardware.pyhub_to_hardware.ipynb. Notebook có thể chạy trực tiếp trên laptop mà không cần phần cứng.