Strands + LeRobot: los agentes IA ya mueven robots de verdad
¿Cuál es el mayor problema de los agentes de IA en los últimos dos años?
No es que no sepan conversar ni programar, sino que la mayoría del tiempo siguen atrapados en la pantalla. Les pides planificar, buscar, escribir scripts o llamar a APIs y son potentes; pero en cuanto les pides empujar de verdad un brazo robótico, grabar una demostración de robot, correr una simulación y desplegar la política en hardware físico, chocan de inmediato con un montón de pegamento de ingeniería.
Ese punto de ruptura empieza a cerrarse.
El Strands Robots SDK del ecosistema de AWS se hace de código abierto y encapsula capacidades como LeRobot de Hugging Face, la simulación con MuJoCo, la inferencia de políticas y el mesh multirobot de Zenoh en Strands AgentTools. La frase oficial es muy directa: strands-robots gives a Strands Agent hands.
Dicho en cristiano: los agentes de IA empiezan a echar manos y pies.
Qué se ha lanzado exactamente
El proyecto se llama strands-robots, el código está en strands-labs/robots y el paquete en PyPI también se llama strands-robots. Su capacidad central es una fábrica Robot() que convierte robots simulados o reales en herramientas que un Strands Agent puede invocar.
El ejemplo mínimo es muy ilustrativo:
from strands import Agent
from strands_robots import Robot
robot = Robot(“so100”)
agent = Agent(tools=[robot])
agent(“Pick up the red cube”)
Por defecto, Robot(“so100”) arranca la simulación de MuJoCo, sin GPU ni hardware real. Para cambiar a un robot físico hay que añadir explícitamente mode=”real”:
robot = Robot(“so100″, mode=”real”, port=”/dev/ttyACM0″)
Este diseño por defecto es clave: primero simulación, luego el robot real. Así no se mueven por error servos reales por una instrucción en lenguaje natural.
Qué es LeRobot: la cadena de herramientas de Hugging Face para el mundo robótico
Para entender Strands Robots, primero hay que entender LeRobot.
LeRobot es la biblioteca de aprendizaje robótico del mundo real de Hugging Face, con el objetivo de unificar modelos, datasets y herramientas de robótica en el ecosistema PyTorch y rebajar la barrera de entrada.
Su posicionamiento oficial es claro:
- Ofrecer modelos, datasets y herramientas de robótica del mundo real
- Permitir que más gente comparta datasets y modelos preentrenados de robótica
- Cubrir aprendizaje por imitación, aprendizaje por refuerzo y modelos VLA
- Soportar hardware real y entornos de simulación
Una de las piezas más importantes de LeRobot es el formato LeRobotDataset, que organiza los vídeos de visión del robot, los estados y los datos de acciones en una estructura estándar, normalmente MP4 o imágenes más Parquet. Así, los datos pueden subirse al Hugging Face Hub y reutilizarse en los flujos de entrenamiento, evaluación y despliegue.
Dicho de otro modo, LeRobot proporciona la «base de datos y modelos» del aprendizaje robótico.
Pero la base no equivale a un flujo de trabajo completo. Para llevarlo a la práctica, todavía hay que lidiar con la simulación, los puertos del hardware, las cámaras, la calibración, la inferencia de políticas, la coordinación multirobot y la parada de seguridad. Justo ese es el nivel que cubre Strands Robots.
Strands Robots no sustituye: encapsula
A muchos, al ver Strands + LeRobot, su primera reacción puede ser: ¿otro framework de robótica nuevo?
No.
Es más bien la capa que encapsula la cadena robótica en herramientas invocables por un agente. LeRobot sigue encargándose de gran parte de los datos, las políticas y las interfaces de hardware; MuJoCo sigue a cargo de la simulación; GR00T, ACT, Pi0, SmolVLA, Diffusion y otros siguen siendo las fuentes de políticas; y Zenoh gestiona el mesh peer-to-peer.
El valor de Strands Robots es comprimir estos componentes, antes dispersos, en un único flujo de trabajo de agente:
- Grabar datos de demostración
- Escribir en un LeRobotDataset
- Subir o reutilizar datos del Hugging Face Hub
- Ejecutar la simulación en MuJoCo
- Invocar políticas locales o remotas
- Desplegar en el robot real
- Coordinar varios robots mediante el mesh
- Difundir un E-STOP de emergencia cuando haga falta
Antes, estos pasos exigían un montón de código pegamento. Ahora pueden convertirse en AgentTools orquestados por el mismo Strands Agent.
La cadena en una frase: del lenguaje natural al movimiento mecánico
La cadena que presenta el equipo oficial es muy visual:
Instrucción en lenguaje natural → Strands Agent → herramienta Robot → Policy Provider → Action Chunk → simulación MuJoCo o hardware real → retorno de la observation
La clave de esta cadena es que el agente no controla los motores directamente: genera los action chunks mediante un policy provider y los entrega a la simulación o al hardware para ejecutarlos.
Las fuentes de políticas soportadas incluyen:
- NVIDIA GR00T
- LeRobot ACT
- Pi0 / Pi0.5
- SmolVLA
- Diffusion Policy
- Motion planners clásicos
- MPC
- scripted controller
- mock policy
Esto significa que Strands Robots no apuesta por un único modelo: pone las distintas políticas detrás de la misma interfaz abstracta. Hoy puedes validar el flujo con una mock policy, mañana cambiar a un modelo LeRobot local y pasado mañana conectar un servicio de inferencia GR00T.
Más de 50 robots, 8 grandes categorías
Strands Robots lista oficialmente más de 50 robots en 8 categorías:
- Brazos robóticos: SO100, SO101, Koch, OMX, Panda, UR5e, xArm7, etc.
- Humanoides: Unitree G1, Unitree H1, Reachy2, Talos, Cassie, etc.
- Robots móviles: Spot, Unitree Go2, Stretch, LeKiwi, EarthRover, etc.
- Manos diestras: Shadow Hand, Allegro Hand, Leap Hand, Robotiq 2F85, etc.
- Sistemas de doble brazo: ALOHA, bi_openarm, Trossen WXAI
- Aeronaves: Crazyflie, Skydio X2
- Robots expresivos/interactivos: Reachy Mini
- Robots de manipulación móvil: Google Robot
Algunos de ellos pueden manejar hardware real a través de LeRobot, como SO100, SO101, Koch, OMX, HopeJR, ALOHA, bi_openarm, Reachy2, Unitree G1, LeKiwi y EarthRover.
Más importante aún: todos los robots se pueden simular. Para un desarrollador, esto significa poder validar el flujo en simulación a bajo coste antes de decidir si compra hardware.
Coordinación multirobot por mesh + parada de emergencia
Los múltiples robots y el control de seguridad son temas inevitables al conectar un agente al mundo físico.
Strands Robots incorpora una red mesh de Zenoh. Cada robot se convierte automáticamente en un peer: puede interactuar con otro mediante tell(), difundir instrucciones con broadcast() y detenerse de emergencia con E-STOP.
El mesh puede puentearse a AWS IoT Core y, mediante el plugin device-connect, montar redes de percepción de dispositivos más avanzadas.
El diseño de seguridad también es explícito:
- Simulación por defecto; para cambiar de modo hay que declarar explícitamente mode=”real”
- Las tres acciones de herramienta —estado, ejecución y parada— van separadas
- El E-STOP es independiente del flujo de control normal
- Hay una interrupción de aprobación humana antes de cualquier acción real
En entornos industriales, esto no es configurable a gusto: faltar uno puede provocar un accidente.
Aclaración de términos: quién ha hecho esto
Esta integración la ha liberado AWS (Apache 2.0) y se ha presentado en el blog de hugggingface.co. Strands es en sí el Agent SDK de código abierto de AWS (Apache 2.0), con soporte para Python y TypeScript y un framework de agentes completo. LeRobot es un proyecto de Hugging Face. La intersección de ambos es strands-robots.
Cómo empezar
Si solo quieres probar la simulación, lo recomendable es empezar por el extra de MuJoCo:
uv pip install “strands-robots[sim-mujoco]”
Si quieres conectar hardware real y políticas LeRobot locales:
uv pip install “strands-robots[sim-mujoco,lerobot]”
Si quieres instalarlo todo:
uv pip install “strands-robots[all]”
La instalación base es ligera: solo numpy, opencv-headless, Pillow y poco más. Las demás capacidades se instalan por extras separados: sim-mujoco para simulación, lerobot para hardware real y políticas locales, groot-service para la inferencia de NVIDIA GR00T, mesh para la red multirobot de Zenoh y mesh-iot para escenarios de flotas con AWS IoT Core.
Esta forma de dividirlo es pragmática: no te clava todas las dependencias de entrada.
No malinterpretes: esto no es «inteligencia encarnada con un clic»
Aquí toca bajarle los humos a esto.
Strands Robots es muy chulo, pero no convierte a la IA en experta en robótica con un clic.
Con hardware real seguirás enfrentándote a:
- Identificación de puertos
- Comunicación con los servos
- Configuración de cámaras
- Calibración del brazo robótico
- Alineación del schema de datos
- Disponibilidad de checkpoints
- GPU / Docker / servicios de inferencia
- La brecha sim2real entre simulación y realidad
- Los límites de seguridad multirobot
Por ejemplo, la inferencia local de GR00T puede requerir GPU de NVIDIA, Docker, checkpoints y la configuración de datos correcta. Y un SO-101 físico tampoco se pone a coger el cubo rojo solo por escribir mode=”real”: seguirás necesitando cámara, calibración, políticas y un entorno seguro.
El valor real: escribir menos código pegamento
Lo más destacable de esta ocasión no es que la capacidad de los modelos se haya disparado, sino que se ha conectado la cadena de ingeniería.
Lo más doloroso del desarrollo robótico suele ser no los papers de algoritmos, sino que los sistemas no se hablan entre sí:
- Un formato para los datasets
- Otro para los scripts de simulación
- Otro para el control del hardware real
- Otro para la inferencia de políticas
- Otro para la comunicación multirobot
- Y otro más para la parada segura
Strands Robots los unifica en AgentTools.
Esto es muy práctico tanto para equipos de investigación como para startups. Puedes empezar corriendo la simulación del SO100 en tu portátil, sin comprar hardware, sin GPU y sin pedir permisos al Hub; una vez validado el flujo, introduces poco a poco el SO101 real, GR00T, los checkpoints de Hugging Face y el mesh multirobot.
Presupuesto y riesgo se pueden liberar por fases, en lugar de cargar con hardware, datos, entrenamiento y despliegue todo el primer día.
Por qué esto importa para los agentes
Las herramientas de los agentes han sido, en su mayoría, herramientas del mundo digital: archivos, navegador, bases de datos, APIs, terminal, intérprete de código.
Strands Robots empuja esa frontera hasta el mundo físico: robots, cámaras, servos, entornos de simulación, políticas de acción, comunicación multirobot.
Significa que el alcance de un agente empieza a expandirse del «procesamiento de información» a la «ejecución física».
Eso sí, la ejecución física exige más prudencia. El mundo real no tiene botón de deshacer: que el brazo golpee la mesa, aplaste un objeto o golpee a alguien no se arregla reejecutando un script. Por eso, la simulación por defecto, el modo real explícito, el E-STOP y la aprobación humana son precisamente señales de madurez del proyecto.
Su relación con ROS
Alguien preguntará: ¿esto viene a sustituir a ROS?
A corto plazo, no. ROS es la base veterana de la ingeniería de sistemas robóticos, con un ecosistema profundísimo de nodos, topics, servicios, launch y drivers. Strands Robots es más bien una capa de orquestación de agentes, orientada a «que los grandes modelos organicen tareas robóticas a través de interfaces de herramientas».
Lo más probable a futuro es un escenario así: el hardware de abajo y los sistemas robóticos complejos seguirán apoyándose en ROS, SDKs de fabricante y controladores, mientras la capa de agente, con herramientas como Strands Robots, encadena planificación de tareas, invocación de políticas, registro de datos, validación en simulación y coordinación multirobot.
Es decir: no viene a robar el chasis, sino la entrada del flujo de trabajo superior.
Conclusión
El verdadero significado de que Strands + LeRobot conecten la cadena robótica no es que una frase haga listo al brazo al instante, sino que los agentes de IA empiezan a tener una interfaz estándar de herramientas hacia el mundo físico.
LeRobot aporta los datos, los modelos y las interfaces de hardware del aprendizaje robótico; MuJoCo, la simulación segura; GR00T, ACT, Pi0, SmolVLA, Diffusion y otros, las políticas; el mesh de Zenoh, la comunicación multirobot; y Strands Robots encapsula todo ello en AgentTools.
Ese es su valor: no una revolución con un clic, sino ahorrarse un montón de código pegamento.
Los agentes de IA antes solo tenían cerebro y boca; ahora empiezan a echar manos y pies.
Pero antes de entrar de verdad en el mundo real, todavía necesita frenos, barandillas, aprobaciones, simulación y muchos detalles de ingeniería.
Ese es el paso más realista de la inteligencia encarnada desde el PowerPoint hasta el banco de pruebas.