LeRobot Humanoid: dwunożny robot za 10 tys. zł do nauki AI

Hugging Face opublikowało 21 maja 2026 roku LeRobot Humanoid — dwunożną platformę robotyczną z otwartym kodem i możliwością budowy za około 2500 dolarów (ok. 10 tys. zł). To nie kolejny pokaz koncepcji: razem z projektem ukazały się pliki CAD do druku 3D, narzędzia runtime, pipeline do kalibracji symulatora i środowiska treningowe. Celem jest zlikwidowanie bariery, która od lat blokuje otwarte badania nad robotami dwunożnymi — braku dostępnej fizycznej platformy.

Najważniejsze w skrócie

LeRobot Humanoid kosztuje ok. 2500 USD (ok. 10 tys. zł) i jest budowany głównie z elementów drukowanych w 3D
Projekt dostarcza pełen stack: hardware, runtime, identyfikacja symulatora, środowiska treningowe
Obecna wersja obejmuje wyłącznie dolną część ciała (nogi); górna jest w przygotowaniu
Demo pokazuje działającą politykę sim-to-real stania na dwóch nogach na fizycznym sprzęcie
To kolejny krok Hugging Face po przejęciu Pollen Robotics i premierze HOPEJr

Dostępny sprzęt to wąskie gardło

Badacze w domenie robotyki humanoidalnej mają od lat ten sam problem. Modele uczenia przez wzmacnianie można trenować w symulacji — ale przeniesienie polityki na fizyczny sprzęt wymaga fizycznego sprzętu. Komercyjne platformy kosztują dziesiątki tysięcy dolarów, są kruche i zaszyte za zastrzeżonymi interfejsami. Gdy coś się psuje, czeka się tygodniami na części.

LeRobot Humanoid rozwiązuje to radykalną prostotą. Większość elementów strukturalnych to plastikowe wydruki 3D — tanie, wymienne w ciągu godzin. Napędy i elektronika to komponenty z półki, z pełną listą materiałów i dokumentacją okablowania opublikowaną na GitHubie. Gdy noga złamie się podczas testu lokomocji, badacz drukuje nową część, zamiast czekać miesiąc na dostawę od producenta.

Jeśli szukasz najbardziej zaawansowanego robota humanoidalnego, to nie jest on. Jeśli szukasz humanoida, którego możesz zbudować, zrozumieć, naprawić, instrumentować, symulować i używać do eksperymentów uczeniowych — to jest robot, który staramy się zrobić.

— Zespół LeRobot, Hugging Face

Pięć warstw ekosystemu

Projekt to nie tylko pliki CAD. Hugging Face opublikowało pięć zintegrowanych komponentów: Hardware — kompletna lista materiałów, pliki do druku 3D, dokumentacja okablowania i instrukcje konfiguracji silników. Design Tools — narzędzia do oceny decyzji mechanicznych w symulacji, zanim zainwestuje się w fizyczny prototyp. Runtime — moduły do kalibracji, sprawdzania bezpieczeństwa i sterowania, które łączą symulator z fizycznym sprzętem. Identification — pipeline do odtwarzania rzeczywistych danych w symulacji, żeby dopasować parametry symulatora i zmniejszyć lukę sim-to-real. Training Zoo — środowiska treningowe MJLab zintegrowane z repozytorium lerobot-legged-zoo do trenowania polityk lokomocji.

To podejście jest przemyślane. Słabym ogniwem większości projektów open-source w robotyce jest właśnie brak spójności między warstwami — ktoś publikuje CAD, ale środowisko symulacyjne nie pasuje do sprzętu, a narzędzia sterowania nie pasują do symulatora. LeRobot dostarcza wszystko razem.

Symulacja i rzeczywistość

Centralne wyzwanie w robotyce kroczeniowej to transfer polityk: nauczyć agenta chodzić w symulacji, a potem uruchomić go na prawdziwym sprzęcie tak, żeby polityka się nie rozpadła. Luka sim-to-real wynika z niedoskonałości modeli tarcia, bezwładności i dynamiki silników.

Moduł identyfikacji w LeRobot Humanoid adresuje ten problem metodycznie: odtwarza realne dane z fizycznego robota w symulatorze i na tej podstawie optymalizuje parametry symulatora. To nie eliminuje luki, ale ją zmniejsza na zasadzie systematycznej pętli kalibracyjnej.

W opublikowanym filmie wczesna polityka sim-to-real stania z powodzeniem działa na fizycznych nogach. To skromny, ale weryfikowalny wynik na sprzęcie wartym kilka tysięcy złotych.

Kontekst strategiczny

LeRobot Humanoid to kolejny element konsekwentnej strategii Hugging Face w fizycznej AI. Firma przejęła Pollen Robotics, wcześniej wypuściła platformę LeRobot do manipulacji ramionami, a w partnerstwie z The Robot Studio zadebiutował HOPEJr — humanoid za poniżej 3000 USD. Teraz dochodzi platforma dwunożna.

Hugging Face nie buduje robotów, które trafią do fabryk. Buduje infrastrukturę, która ma sprawić, że badacze — w laboratoriach akademickich, garażach i małych startupach — będą mieli gdzie uruchamiać i testować polityki lokomocji. Staje się dla Physical AI tym, czym była dla modeli językowych: platformą do publikacji, porównywania i trenowania otwartych modeli.

Różnica między LeRobot Humanoid a komercyjnymi humanoidami jak Unitree G1 czy Boston Dynamics Atlas nie polega na osiągach — te są nieporównywalne. Polega na tym, kto może z nich korzystać i w jakim celu. LeRobot adresuje badaczy, którym zależy na dostępie do platformy, nie na wydajności produkcyjnej.

Dlaczego to ważne?

Dostępność fizycznej platformy to jeden z najważniejszych czynników wpływających na tempo badań w robotyce. Historia modeli językowych pokazuje, że demokratyzacja dostępu — przez otwarte modele, otwarte datasety, dostępne środowiska treningowe — dramatycznie przyspiesza iterację. W robotyce ten efekt jest osłabiony, bo badacze potrzebują fizycznego sprzętu. Drogi, zamknięty sprzęt oznacza, że większość pracy odbywa się wyłącznie w symulacji — a luka sim-to-real pozostaje problemem trudnym do zbadania bez danych z rzeczywistości.

LeRobot Humanoid zmniejsza tę barierę do poziomu, na którym dobrze wyposażone laboratorium akademickie albo nawet zaangażowany entuzjasta może zbudować i przetestować politykę lokomocji na fizycznym sprzęcie. Jeśli platforma zyska rzeczywistą adopcję — a infrastruktura sugeruje, że jest do tego gotowa — może przyspieszyć powstawanie otwartych datasetów lokomocji i polityk, z których będzie mogła korzystać cała społeczność. To wzorzec znany z modeli językowych, przeniesiony na grunt fizycznej AI.

Co dalej?

Górna część ciała (ramiona, torso) jest oficjalnie w planie — zespół LeRobot zapowiedział integrację z dolną częścią jako następny krok roadmapy
Repozytorium lerobot-legged-zoo jest otwarte na kontrybucje zewnętrznych polityk lokomocji — pierwsze zewnętrzne wkłady mogą pojawić się w ciągu tygodni
Hugging Face kontynuuje budowę ekosystemu fizycznej AI po przejęciu Pollen Robotics — kolejne integracje sprzętowe są prawdopodobne w perspektywie H2 2026