AWS发布Strands机器人数据闭环教程：录制、训练、部署一站打通，数据全程保持LeRobot格式

8月13日，AWS在Hugging Face博客发布了一篇完整教程，展示如何用Strands Robots、LeRobot和Hugging Face Storage Buckets跑通一整套机器人数据闭环：录制演示、训练策略、再把策略部署回真实硬件，全程无需转换数据格式。

Strands Robots是AWS开源的SDK（Apache 2.0协议），把机器人抽象、仿真环境和LeRobot技术栈封装成可组合进单个Strands代理的AgentTools。这是该系列的第二篇：上一篇讲数据从Hub流向物理机器人，这一篇反过来，从录制下的第一帧数据一路讲到部署回硬件的策略，Storage Buckets充当中间的工作层。

Hugging Face Storage Buckets是2026年3月发布的存储仓库类型，基于Xet、可变更、不进行版本管理。它与数据集仓库并列存在于同一个hf://命名空间，直接用现有的hf CLI操作，成为“录制当天”到“训练当天”之间数据存放的工作层。

整个循环分四步：Robot("so100")根据自然语言指令录制LeRobotDataset；sync_dataset_to_bucket()把它同步进bucket，并做字节级去重，每次同步只上传发生变化的部分；stream_dataset()直接从Hub流式读回数据训练，无需完整下载，视频帧边读边解码、不留本地副本；训练好的checkpoint只改一个关键字参数（mode="real"）就能部署回同一个Robot。

由于同一个Robot()既负责录制又负责回读，数据采集和训练变成了同一后端上的两个方法。磁盘上的数据格式与LeRobot原始输出完全一致，任何能读LeRobot数据的工具无需转换即可读取。目前Hub上已有超过9万个数据集和模型采用LeRobot格式，来自8000多个发布者。

教程的全部环节只需一台笔记本电脑：Python 3.12以上、安装带lerobot扩展的strands-robots>=0.5.1（会自动拉入LeRobot 0.6.1以上），再加上任意Strands兼容的推理服务——Amazon Bedrock、Anthropic API、OpenAI或本地Ollama。配套的可运行notebook位于examples/notebooks/05_streaming_data_loop.ipynb。

演示路径默认在仿真环境中用SO-100机械臂配合mock策略运行，能录出有效数据集但还谈不上实用；不过Robot()工厂本身对接的是机械臂、人形机器人、移动底盘和机械手注册表，这套循环也面向持续采集场景设计：白天收集片段，在增长的数据集上训练，部署，再把下一批数据拉回来改进。

这件事的意义在于，它把过去相互割裂的采集、存储、训练、部署管线压缩成单条代理循环，全程零格式转换。对机器人团队来说，真正的看点在于：流式训练能否省掉足够多的字节搬运和重复拷贝，让“每天用真实机器人数据重训”从例外变成常态。