Hugging Face lanza un sistema completo para entrenar robots con inteligencia artificial desde casa
La plataforma une recopilación de datos, entrenamiento de modelos y despliegue en un mismo flujo de trabajo, facilitando que cualquiera pueda crear robots autónomos sin infraestructura compleja.
Hugging Face (una plataforma donde desarrolladores comparten y descargan modelos de IA ya entrenados) acaba de presentar un sistema integrado que promete simplificar radicalmente la creación de robots inteligentes. La novedad combina tres herramientas —Strands Agents (un software para grabar demostraciones de tareas físicas), LeRobot (una librería de código abierto para entrenar robots) y Storage Buckets (un servicio de almacenamiento en la nube de Hugging Face)— en un único flujo de trabajo que permite grabar, entrenar y desplegar modelos de control robótico sin salir de la plataforma.
Hasta ahora, quien quisiera enseñar a un brazo robótico a recoger objetos o a un dron a seguir una ruta debía gestionar por separado la captura de datos, el entrenamiento del modelo en servidores remotos y la transferencia del resultado final al dispositivo físico. Según explica Amazon en el blog oficial de Hugging Face, este nuevo sistema elimina esos pasos intermedios: las demostraciones grabadas con Strands se suben automáticamente a Storage Buckets, LeRobot entrena el modelo directamente desde ahí, y el robot puede descargarlo y ejecutarlo en local sin conexión a internet.
La integración resulta especialmente útil para proyectos educativos o experimentos con hardware barato. Por ejemplo, un estudiante puede grabar con su móvil cómo manipula piezas con un brazo robótico de bajo coste, subir el vídeo a Hugging Face, entrenar un modelo de aprendizaje por imitación (una técnica que enseña al robot a copiar acciones humanas observadas) y descargarlo en una Jetson Nano (un ordenador pequeño y barato pensado para ejecutar modelos de IA sin depender de internet). Todo el proceso queda documentado en la nube, lo que facilita compartir datasets (conjuntos de datos de entrenamiento) y reproducir experimentos.
Hugging Face compite así directamente con plataformas propietarias como las de Google o Boston Dynamics, pero apostando por el código abierto y la interoperabilidad: cualquier modelo entrenado con LeRobot puede compartirse públicamente, y los Storage Buckets permiten versionar datos como si fueran código en GitHub. La apuesta es clara: democratizar la robótica del mismo modo que Hugging Face democratizó el acceso a modelos de lenguaje hace unos años.
De momento, el sistema requiere conocimientos básicos de Python y cierta familiaridad con herramientas de machine learning (aprendizaje automático), pero la compañía promete simplificar aún más el proceso con interfaces visuales en futuras actualizaciones. Mientras tanto, la documentación completa está disponible en el repositorio oficial de LeRobot en GitHub.
