Hugging Face stellt mit LeRobot Humanoid 3D-gedruckte Robotik für alle zugänglich.

Das Unternehmen bietet damit eine kostengünstige Alternative, die aus 3D-gedruckten Komponenten besteht und speziell für Lernprozesse und Experimente konzipiert ist. Obwohl die derzeitige Version sich ausschließlich auf die robotischen Beine konzentriert, stellt die Plattform einen erschwinglichen Einstieg in die Entwicklung humanoider Roboter dar.

Das System kostet rund 2.500 US-Dollar und richtet sich an Hobbyisten, Forscher sowie Entwickler, die fortgeschrittene Robotik erkunden möchten, ohne die üblichen hohen finanziellen Barrieren überwinden zu müssen. Im April 2025 betrat Hugging Face, mit Sitz in New York, erstmals den Hardwaremarkt, indem es das französische Startup Pollen Robotics übernahm.

Dieses Unternehmen ist der Schöpfer des Open-Source-humanoiden Roboters Reachy 2. Die Open-Hardware-Plattform LeRobot wurde als modulare bipedale Roboterplattform entwickelt. Sie setzt sich aus 3D-gedruckten mechanischen Bauteilen, handelsüblicher Hardware sowie kostengünstigen Aktuatoren und Elektronik zusammen.

Die aktuelle Version kostet etwa 2.500

Die aktuelle Version kostet etwa 2.500 US-Dollar an Bauteilen, was deutlich weniger ist als bei den meisten humanoiden Systemen, die in Robotiklaboren zum Einsatz kommen. Statt sich auf polierte, für den Verbraucher geeignete Robotersysteme zu konzentrieren, ist die Plattform für Experimente, schnelle Iterationen und Zugänglichkeit ausgelegt.

Das Hardware-Paket umfasst druckbare mechanische Dateien, eine vollständige Stückliste, Montageanleitungen, Verkabelungsdokumentation sowie Werkzeuge zur Motor-Konfiguration. Strukturelle Komponenten können leicht neu gedruckt und ausgetauscht werden, sodass Entwickler Designänderungen testen können, ohne das gesamte System neu aufzubauen.

Dieser Ansatz ermöglicht eine schnellere Hardware-Iteration und macht den Roboter für offene Forschungsprojekte praxisnäher, wie es die Website des Unternehmens angibt. Der Roboter konzentriert sich derzeit auf die Fortbewegung des unteren Körpers und fungiert primär als humanoider Zweibeiner-Plattform.

Obwohl die Integration des Oberkörpers

Obwohl die Integration des Oberkörpers und fortgeschrittene Ganzkörpermanipulationen Teil der zukünftigen Roadmap sind, unterstützt das bestehende System bereits Steh- und Gehexperimente, Kalibrierung sowie Tests führt zudem einen kontrollorientierten Designworkflow ein.

Anstatt mit detaillierter CAD-Geometrie zu beginnen, verwenden Entwickler vereinfachte Robotermodelle, um Designkonzepte über Benchmark-Kontrollaufgaben und Optimalsteuerungssimulationen zu bewerten. Diese leichtgewichtigen Modelle erleichtern den Vergleich, die Validierung der Bewegungsleistung, bevor in die physische Hardware-Produktion investiert wird.

Sobald der Roboter montiert ist, können aus der physischen Plattform generierte reale Datensätze in der Simulation nachgespielt werden, um die Modellgenauigkeit zu verbessern. Diese Identifikationspipeline verringert die Sim-to-Real-Lücke, indem Simulationsparameter an das tatsächliche Roboterverhalten angepasst werden.

Dadurch spiegeln Simulationsumgebungen die Leistung realer

Dadurch spiegeln Simulationsumgebungen die Leistung realer Hardware genauer wider und verbessern die Zuverlässigkeit des Transfers vollständige Plattform für das Lernen mit Robotern konzipiert und nicht lediglich als humanoider Roboter.

Das Projekt vereint Hardware, Simulation, Software-Tools und Trainingssysteme zu einem einzigen Ökosystem, das den gesamten Entwicklungsprozess der Robotik unterstützt. Die Plattform umfasst eine Laufzeitumgebung, die sowohl mit simulierten als auch mit physischen Robotern kompatibel ist.

Sie bietet Werkzeuge zur Kalibrierung, zur Überwachung des Roboterszustands, zum Senden ührung üfungen. Dies ermöglicht es Entwicklern, Robotersteuerungen sicher in der Simulation zu testen, bevor sie sie auf physische Hardware anwenden, wodurch das Risiko ädigungen des Roboters während Experimenten verringert wird.

Technik und Auswirkungen

Für die Forschung im Bereich künstlicher Intelligenz und Fortbewegung ist der Roboter in das LeRobot-legged-zoo AI-Framework integriert, das offene MJLab-Simulationsumgebungen umfasst. Diese Umgebungen unterstützen Forschende dabei, Reinforcement-Learning-Policies für Geh- und Bewegungsaufgaben zu trainieren und zu testen.

Entwickler können zudem die Leistung verschiedener Beinroboter-Plattformen vergleichen. Laut Hugging Face ist ein zentrales Merkmal des Projekts sein Sim-to-Real-Workflow. Daten aus der realen Welt können in der Simulation nachgespielt werden, um Unterschiede zwischen virtuellem und physischem Verhalten zu identifizieren.

Anschließend können Ingenieurinnen und Ingenieure die Einstellungen des Simulators anpassen, um die Genauigkeit zu verbessern und das zuverlässigere Transferlernen Hardware zu ermöglichen. Die Veröffentlichung umfasst Hardware-Dateien, Design-Tools, Laufzeitsoftware, Identifikations-Pipelines und Trainingsumgebungen.

Obwohl die Plattform noch experimentell ist, zielt sie darauf ab, das Lernen für humanoide Roboter erschwinglicher, offener und zugänglicher für Forschende, Entwickler und Roboter-Enthusiasten zu machen.