AWS 最近把 LeRobot 整套栈塞进了一个叫 Strands Robots 的开源 SDK 里，许可证 Apache 2.0。这件事的真正价值不在 SDK 本身，而在于它把仿真、策略推理、数据回传、硬件控制这四件原本割裂的事，焊在了同一个智能体接口下。开发者在 Agent 里声明一个 LeRobot 工具，默认走 MuJoCo 物理模拟，一行代码都不用改就能在笔记本上跑起来——Python 3.12 以上，Linux 或 macOS，没有 GPU 也行。等模拟数据看着顺眼了，把模式切到 mode="real"，同一份代码就直接跑在真实机器人上。这不是"仿真接近真机"的承诺，而是字面意义上的同一套代码路径。
数据闭环是另一个关键设计。用 Strands 录制的演示轨迹会以 LeRobotDataset 格式保存，直接推送到 Hugging Face Hub，连数据托管的活儿都省了。策略侧支持 GR00T 等大规模预训练模型，也支持本地 LerobotLocal 推理，本地推理的好处是无需外发数据、延迟更低。多机协同则靠 Zenoh 的 mesh 通信，机器人在同一网络下自动发现彼此，指令以广播形式下发——这对需要采集多样化环境数据的研究团队是刚需。整套工作流可以概括为：模拟跑通 → 录数据 → 推送 Hub → 选策略 → 切真机部署，胶水代码几乎消失。
对具身智能开发者来说，这个工具的潜台词是：AWS 想把机器人开发的"软件工程摩擦"砍到最低。过去从仿真过渡到硬件，最大的隐性成本不是硬件本身，而是两套代码库、两套数据格式、两套部署逻辑的维护负担。Strands 用参数切换和统一数据流把这层摩擦抹平，团队可以把精力集中在策略设计和数据质量上，而不是管道工程。开源生态里这类"接口统一层"往往是最被低估的——它不炫技，但决定了一个栈能不能真正被广泛采用。
