로봇 AI 개발에서 어려운 점은 모델 성능만이 아닙니다. 데이터 기록, 시뮬레이션, 정책 실행, 하드웨어 제어, 평가가 서로 다른 도구와 흐름으로 나뉘어 있다는 점이 더 큰 병목이 됩니다. Strands Agents와 LeRobot의 결합은 이 과정을 에이전트가 호출할 수 있는 도구 체계로 묶으려는 접근입니다.
핵심은 로봇을 별도 애플리케이션이 아니라 에이전트 시스템 안에서 실행되는 도구로 다루는 것입니다.
Strands Robots와 LeRobot의 역할
Strands Robots는 AWS의 오픈소스 SDK이며 Apache 2.0 라이선스를 사용합니다. 이 SDK는 로봇 제어 기능을 Strands Agent의 도구로 노출하고, LeRobot 스택을 AgentTool로 제공합니다.1
여기서 LeRobot은 로봇 하드웨어, 데이터 형식, 정책 실행과 가까운 영역을 담당합니다. Strands는 이를 에이전트 워크플로 안에서 호출 가능한 도구로 감쌉니다. 즉, Strands가 LeRobot을 대체하는 구조가 아니라 LeRobot의 로봇 개발 기능을 에이전트 루프에 연결하는 구조입니다.
이 관점에서 사용자는 “로봇을 직접 제어하는 코드”를 작성한다기보다, 에이전트가 필요한 순간에 로봇 도구와 정책, 하드웨어 인터페이스를 호출하도록 설계하게 됩니다.
중요한 변화: 시뮬레이션에서 실제 로봇으로 이어지는 흐름
이 통합이 실용적인 이유는 시뮬레이션과 실제 하드웨어 사이의 이동 경로를 비교적 명확하게 만든다는 데 있습니다. Robot("so100")는 기본적으로 MuJoCo 기반 시뮬레이션을 반환하고, mode="real"을 지정하면 LeRobot이 구동하는 실제 하드웨어 로봇을 반환합니다.2
개발 흐름은 단순해집니다.
먼저 시뮬레이션에서 데이터 기록과 정책 실행을 검증합니다.
같은 개념의 흐름을 유지한 채 실제 하드웨어로 옮깁니다.
이후 하드웨어 보정, 정책 교체, 평가 체계를 단계적으로 붙입니다.
로봇 개발에서 처음부터 실제 장비를 연결하면 디버깅 비용과 물리적 위험이 커집니다. 반면 시뮬레이션을 기본 출발점으로 두면 에이전트 호출 방식, 정책 실행, 데이터 흐름을 먼저 확인할 수 있습니다. 실제 실행 예제는 examples/lerobot/hub_to_hardware.py와 hub_to_hardware.ipynb에서 확인할 수 있습니다.2
에이전트로 운영하려면 평가와 관측성이 필요하다
로봇 에이전트는 단순한 데모가 아니라 운영 대상입니다. 일반적인 챗봇과 달리 잘못된 판단이 물리적 동작으로 이어질 수 있기 때문입니다. 따라서 “명령을 이해하고 실행한다”는 것만으로는 충분하지 않습니다. 실행 경로를 추적하고, 결과를 평가하고, 문제가 생겼을 때 원인을 확인할 수 있어야 합니다.
Strands Agents SDK는 Amazon Bedrock과 함께 AI 에이전트 예제 구축에 사용됩니다. 또한 Amazon Bedrock AgentCore는 관리형 런타임, 공유 메모리, 내장 관측 기능을 제공합니다.3 이런 구성은 로봇 에이전트를 실험 코드가 아니라 추적 가능한 시스템으로 다루는 데 중요합니다.
평가 측면에서는 Agent-EvalKit도 연결됩니다. Agent-EvalKit은 Strands Agents SDK 기반 에이전트를 평가하는 Apache 2.0 오픈소스 툴킷이며, 6단계 평가 흐름을 제공합니다.3 로봇 영역에서는 평가가 단순 품질 점검이 아니라 안전장치에 가깝습니다.
어떻게 적용해 볼 수 있을까
이 흐름을 “자연어로 로봇을 움직이는 기능”으로만 보면 범위가 좁아집니다. 더 중요한 변화는 Hugging Face Hub의 데이터와 정책, LeRobot의 하드웨어 인터페이스, Strands의 에이전트 오케스트레이션을 하나의 개발 흐름으로 연결할 수 있다는 점입니다.
처음 적용한다면 실제 로봇보다 시뮬레이션 예제로 시작하는 편이 좋습니다. 이후 다음 순서로 확장할 수 있습니다.
시뮬레이션에서 로봇 도구 호출 흐름 확인
데이터 형식과 정책 실행 방식 점검
실제 하드웨어 연결
하드웨어 보정과 실패 사례 수집
평가와 관측 체계 추가
Strands Agents는 서버리스 멀티 에이전트 오케스트레이션 구성요소로 설명되며, NVIDIA NIM 및 Amazon Bedrock AgentCore와 결합해 병렬 추론과 추적 가능한 실행 경로를 구성할 수 있습니다.3 로봇 개발에서도 이런 운영 관점은 점점 중요해질 가능성이 큽니다.
결국 Strands Agents와 LeRobot의 결합이 보여주는 방향은 명확합니다. 로봇을 독립된 제어 프로그램이 아니라 에이전트 시스템이 사용할 수 있는 실행 도구로 설계하는 것입니다. 이 접근은 시뮬레이션에서 시작해 실제 하드웨어로 확장하고, 평가와 관측성을 붙여 운영 가능한 로봇 에이전트로 나아가는 실용적인 경로를 제공합니다.
2From the Hugging Face Hub to robot hardware with Strands Agents and LeRobot
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.