LeRobot, a plataforma de código aberto para ensinar robôs, acaba de ficar muito mais poderosa

A Hugging Face (uma plataforma onde desenvolvedores compartilham e baixam modelos de IA já treinados) acaba de lançar a versão 0.5.0 do LeRobot, seu projeto de código aberto para ensinar robôs a executar tarefas do mundo real. A atualização representa um salto em escala: agora é possível treinar modelos de controle robótico (chamados de políticas, que são basicamente os "cérebros" que decidem como o robô deve se mover) usando conjuntos de dados com milhões de frames de vídeo, rodar esses modelos em hardwares que vão de um notebook até clusters de GPUs (chips especializados em processar IA), e trabalhar com braços robóticos de fabricantes variados.

Segundo informou a Hugging Face em seu blog oficial, a nova versão traz suporte para arquiteturas de modelo state-of-the-art (os designs mais avançados disponíveis atualmente), como o π0 (PI-zero, que processa vídeo e texto juntos) e o OpenVLA (um modelo de visão e linguagem aplicado a robótica). Além disso, o LeRobot agora aceita treinar com dados armazenados remotamente — ou seja, você não precisa baixar terabytes de vídeos de robôs para o seu computador antes de começar.

A plataforma também ganhou uma ferramenta de visualização de datasets (conjuntos de dados gravados de robôs executando tarefas) mais rápida e intuitiva, suporte nativo para salvar checkpoints (versões intermediárias do modelo durante o treinamento) direto no Hugging Face Hub, e melhorias na integração com Gym e Gymnasium (bibliotecas populares para testar algoritmos de aprendizado por reforço, uma técnica onde o robô aprende tentando e errando).

O objetivo da Hugging Face é tornar a robótica mais acessível, nos mesmos moldes do que fez com modelos de linguagem: qualquer pessoa com um braço robótico compatível e um computador razoável pode baixar dados, treinar um modelo e compartilhar os resultados. A versão 0.5.0 marca a transição do LeRobot de um projeto experimental para uma plataforma que pesquisadores e empresas podem usar em escala real — com datasets de milhões de amostras e modelos que rodam tanto em laboratórios acadêmicos quanto em ambientes industriais.