Strands Robots SDK公開、HuggingFaceから実機ロボットへ一元展開

AWSが公開したオープンソースの「Strands Robots SDK」は、シミュレーションから実機ロボットへの移行をキーワード1つで実現する
HuggingFace Hubで公開されているGR00T（NVIDIA）やMolmoAct2（Allen Institute for AI）などのVLAモデルを即座に実機展開できる
LeRobotとの統合により、シミュレーションと実機で全く同じデータセット形式・コードベースを共有できる設計になっている

Strands Robots SDKとは

AWSは2026年6月、ロボット制御向けオープンソースライブラリ「Strands Robots SDK（Apache 2.0ライセンス）」を公開しました。このSDKは、カメラ制御や関節操作といったロボットの基本機能を「AgentTool」として抽象化し、Strands Agentsのワークフローに組み込めるようにした点が特徴です。

従来のロボット開発では、シミュレーション環境と実機では使用するライブラリやデータ形式が異なり、移行のたびに変換作業が発生していました。Strands Robots SDKはHuggingFaceのLeRobotフレームワークと連携することで、この問題を解消するパイプラインを提供します。

LeRobotとの統合の仕組み

Strands Robots SDKとLeRobotの統合は、意図的にシンプルな設計になっています。LeRobotがハードウェアの制御・キャリブレーション・データセット形式の管理を担い、Strands SDKはその上にAgentToolの抽象層を追加する役割分担です。

最も重要なポイントは、シミュレーションで記録したLeRobotDatasetが実機と完全に同一のフォーマットになることです。MuJoCoシミュレーターで収集したデモンストレーションデータは、SO-101実機アームで取得したものと互換性があり、変換ステップが不要です。モデルの推論を呼び出す際も、設定パラメータ mode="real" への変更1つで実機に切り替えられる承認ゲートも組み込まれました。

対応するAIモデルの種類

このパイプラインでは複数の物理AIモデルを扱えます。NVIDIAが公開するGR00Tはコンテナ化された推論サーバーとして動作し、16GB以上のVRAMを搭載したNVIDIA GPUが必要です。Allen Institute for AIが開発したMolmoAct2（パラメータ数: 50億）はHuggingFace HubのcheckpointをLerobotLocal経由でプロセス内に読み込む方式で利用できます。

LerobotLocalを通じて利用できるモデルはほかにもあります。映像を常時監視するVLMの研究でも注目される視覚言語行動モデル（VLA）として、ACT、拡散ポリシー、SmolVLA、π0、π0.5などが選択肢に挙がります。本文で規模が示されているモデルと、その実行方式を整理すると次のとおりです。

モデル	パラメータ数	実行方式
GR00T	―	コンテナ化された推論サーバー（VRAM 16GB以上）
MolmoAct2	50億	LerobotLocal（プロセス内読み込み）
SmolVLA	0.5B	LerobotLocal
π0	40億	LerobotLocal

また、学習済みcheckpointがない状態でもワークフロー全体を検証できるモックポリシーも用意されています。

5ステップの実装フロー

公開されているサンプルは5段階のステップで構成されます。まず環境をセットアップし、MuJoCoシミュレーター上でSO-100リーダーアームを操作してデモンストレーションを記録します。次に記録したデータセットを使って方策（ポリシー）をシミュレーターで動かし、動作を確認するという手順です。

そこから実機のSO-101フォロワーアームへの移行は、設定のキーワード変更1つで完了します。最後に、Zenohメッシュネットワークを使った複数台のロボット（フリート）への同時配信もサポートしています。デフォルトのシミュレーションパスはGPU・Docker・HuggingFaceアカウントなしで動かせるため、環境準備のハードルが低い設計です。