本指南介紹 Hugging Face 與 NXP 的合作成果,展示如何將視覺-語言-動作(VLA)模型應用於嵌入式機器人平台。內容涵蓋使用 LeRobot 進行資料集錄製、對 VLA 模型進行客製化微調,以及利用 NXP eIQ 工具包在 i.MX 晶片上進行量化與硬體加速優化,實現低延遲、低功耗的邊緣端機器人控制。
Hugging Face 宣布與 NVIDIA 合作,將 NVIDIA 全新的 DGX Spark 運算平台與 Pollen Robotics 的 Reachy Mini 機器人進行深度整合。此合作旨在降低具身智能(Embodied AI)的開發門檻,讓開發者能透過 Hugging Face 的 LeRobot 開源機器人框架,輕鬆將 AI 代理(Agents)部署至實體硬體,實現具備物理互動能力的實體 AI 應用。
AMD 與 Hugging Face 攜手推出「AMD Open Robotics Hackathon」,旨在推動開源機器人與實體 AI(Embodied AI)技術的發展。參賽者將利用 Hugging Face 的 LeRobot 開源機器人框架,並結合 AMD 的強大運算平台(如 ROCm、Ryzen AI 或 Kria 開發套件)來開發創新的機器人應用。活動提供豐富的硬體與獎金回饋,是機器人開發者與 AI 研究人員展身手的絕佳機會。
Hugging Face 旗下的開源機器人學習庫 LeRobot 迎來 v0.4.0 重大更新。本次版本專注於降低機器人 AI 的開發門檻,優化了從資料收集、模型訓練到實體部署的完整工作流。新版本擴展了對多種平價開源硬體的支援,並加強了與 Hugging Face Hub 的整合,讓開發者能更輕鬆地共享機器人資料集與預訓練模型,加速機器人領域的開源生態發展。
傳統機器人控制常受限於 AI 模型推論速度,導致動作不流暢。Hugging Face 提出「非同步機器人推論」架構,將「動作預測(AI 模型)」與「動作執行(硬體控制)」解耦。此方法允許硬體以高頻率(如 100Hz+)持續運行,而較慢的 AI 模型則在背景非同步更新動作指令,大幅提升了機器人在實時環境中的反應速度與操作流暢度。
Hugging Face 與 Pollen Robotics 合作推出全新開源機器人「Reachy Mini」,專為 AI 開發者與研究人員設計。該機器人主打高性價比、易於組裝,並深度整合 Hugging Face 的 LeRobot 開源機器人庫。開發者可輕鬆透過模仿學習(Imitation Learning)訓練 AI 模型,控制實體機器人完成各種操作任務,加速具身智能(Embodied AI)的普及。
Hugging Face 正式收購法國機器人公司 Pollen Robotics,將其硬體技術與 Hugging Face 的 LeRobot 開源機器人平台深度整合。此舉標誌著 Hugging Face 正式進軍實體機器人硬體領域,未來將致力於降低機器人開發門檻,並直接向開發者與研究人員銷售開源機器人硬體,加速具身智能(Embodied AI)的普及。
機器人學習(如模仿學習)需要大量的多視角相機數據,傳統以獨立圖片儲存會導致硬碟與網路傳輸極大負擔。Hugging Face 團隊分享了如何透過影片編碼(如 H.264/MP4)與優化關鍵影格(GOP)設定,在維持高訓練讀取效能的前提下,將數據集體積壓縮 10 到 50 倍,並整合至 LeRobot 生態系中。