LeRobot Humanoid：2,500 美元開源 3D 列印雙足機器人，完整釋出硬體、訓練與控制堆疊
Hugging Face Blog · 2026-05-21
Hugging Face 研究員 Virgile Batto 於 2026 年 5 月 21 日釋出 LeRobot Humanoid，一個以約 2,500 美元成本可複製的開源雙足人形機器人。整個專案以四個 GitHub repository 形式完整公開：硬體設計（BOM、CAD、組裝文件）、控制執行環境、系統辨識工具，以及 MJLab 訓練環境。
硬體設計原則
LeRobot Humanoid 的核心設計決策是可修改性優先於效能：所有結構件均為 3D 列印，損壞部件可快速重印替換，設計迭代無需等待訂製零件。相較於學術界常見的閉源商業人形機器人平台（Boston Dynamics Atlas、Figure 等），這個設計讓研究者能在不破壞預算的情況下進行破壞性測試。
成本結構：約 2,500 美元，主要成本來自電機驅動器與電子元件，3D 列印材料佔比相對小。這使其落在個人研究者與大學實驗室可負擔的範圍。
軟體堆疊架構
LeRobot Humanoid 的軟體分為四個模組：
- lerobot-humanoid-hardware：材料清單、可列印零件、組裝說明、接線圖、電機設定
- lerobot-humanoid-runtime：硬體控制介面，含校準、狀態讀取、指令傳送、安全檢查；同時支援 MJLab 模擬環境
- lerobot-humanoid-identification：系統辨識工具，用於縮小 sim-to-real gap，透過資料集重播與參數擬合修正模型誤差
- lerobot-legged-zoo：預建 MJLab 訓練環境，包含行走、站立等基礎運動策略任務
實驗現況與路線圖
目前已展示早期 sim-to-real 移植政策（policy）在真實硬體上執行。全身控制（whole-body control）與上半身整合是下一階段目標。LeRobot 框架（原本用於桌面機械臂的資料收集與訓練）已擴充支援這個雙足平台，研究者可以使用相同的訓練管線。設計文件引用了 2025 年的 arXiv 研究論文 arXiv:2504.15247（adaptive structural encodings）作為控制方法的理論基礎之一。
Agent 執行軌跡作為程式碼庫記憶：Hugging Face 的長期 Context 留存方案
Hugging Face Blog · 2026-05-19
Hugging Face 工程師在 2026 年 5 月 19 日提出一個以Agent 執行軌跡（traces）作為程式碼庫持久記憶的實作方案。核心論點是：隨著越來越多程式碼修改由 AI Agent 完成，Agent 在工作過程中產生的搜尋記錄、失敗嘗試、方向修正，比最終 PR 描述包含更密集的決策 context——但這些資料目前都存放在本機臨時目錄或遺失於 Slack 對話中。
採用的方法
實作以 Hugging Face Buckets 作為儲存層，將所有 Agent session 軌跡以 JSONL 格式集中存放。同步工具採用 hf CLI：
# 建立私有 bucket
hf buckets create agent-sessions --private
# 同步多個 agent 的 session 資料
hf sync ~/.claude/projects/ hf://buckets/{username}/agent-sessions/claude
hf sync ~/.codex/sessions/ hf://buckets/{username}/agent-sessions/codexAgent trace viewer 可直接從 bucket 讀取 JSONL，不需要下載到本機。PR 可在描述中連結回產生該變更的 trace，讓後續 reviewer（人或 Agent）能看到完整的決策路徑。
對 Agent 工作流的影響
這個方案的關鍵特性是跨 session 的記憶層：Agent 在新任務開始時可以拉取相關的過去 session 軌跡，避免重複探索已知路徑或重蹈已記錄的失敗模式。文章指出 Agent 可以在數秒內讀取 10k 行 context，這讓拉取歷史軌跡的成本遠低於重新探索的成本。
Hugging Face 的內部使用案例包括 on-call Agent 調查線上事件時參考過去類似事件的處理軌跡，以及重構規劃 Agent 理解大型程式碼庫歷史決策。這個方案不需要任何 Agent 框架修改，只需在 CI 或 Agent runner 中加入同步步驟。