Τι θα λέγατε αν μπορούσατε να φτιάξετε τον δικό σας ρομποτικό βραχίονα — με 3D εκτυπωτή, μερικά σέρβο μοτέρ και λιγότερα από 130 ευρώ; Η Hugging Face, η εταιρεία που άλλαξε τον τρόπο που μοιραζόμαστε μοντέλα τεχνητής νοημοσύνης, τώρα κάνει το ίδιο και για τη ρομποτική. Η πλατφόρμα LeRobot και ο βραχίονας SO-100 αποδεικνύουν ότι η κατασκευή ρομπότ δεν είναι πια προνόμιο εργαστηρίων εκατομμυρίων.
📖 Διαβάστε περισσότερα: Ρομπότ Χτίζουν Σπίτια: Αυτοματοποίηση 2026
Η Hugging Face: Από Chatbot σε Ρομποτική Επανάσταση
Η Hugging Face ιδρύθηκε το 2016 στη Νέα Υόρκη από τους Γάλλους επιχειρηματίες Clément Delangue, Julien Chaumond και Thomas Wolf. Αρχικά δημιούργησαν μια εφαρμογή chatbot για εφήβους — το όνομα προέρχεται από το emoji 🤗. Σύντομα όμως στράφηκαν προς κάτι πολύ μεγαλύτερο: μια ανοιχτή πλατφόρμα για μηχανική μάθηση.
Σήμερα η Hugging Face με 250 εργαζόμενους φιλοξενεί χιλιάδες μοντέλα AI, datasets και εργαλεία. Η βιβλιοθήκη Transformers τους έγινε στάνταρ στη βιομηχανία, ενώ συνεργάζονται με τεχνολογικούς κολοσσούς όπως Amazon Web Services, Meta και Scaleway. Τον Ιούλιο 2022 κυκλοφόρησαν το BLOOM — ένα γλωσσικό μοντέλο ανοιχτού κώδικα με 176 δισεκατομμύρια παραμέτρους.
Αλλά η πιο τολμηρή κίνησή τους δεν ήταν στο λογισμικό. Ήταν στο υλικό.
LeRobot: AI Ρομποτική για Όλους
Η πλατφόρμα LeRobot αποτελεί το μεγάλο στοίχημα της Hugging Face στη ρομποτική. Κυκλοφόρησε ως open-source project στο GitHub και στοχεύει να κάνει ό,τι έκανε η Transformers για τα γλωσσικά μοντέλα — αλλά αυτή τη φορά για ρομπότ πραγματικού κόσμου.
🤗 LeRobot — Τι Προσφέρει
- 🔧 Hardware-agnostic interface — ενιαίο Python API για κάθε ρομπότ, από τον SO-100 μέχρι ανθρωποειδή
- 📊 LeRobotDataset format — Parquet + MP4 στο HF Hub, streaming μαζικών datasets ρομποτικής
- 🧠 State-of-the-art πολιτικές — ACT, Diffusion, Pi0Fast, GR00T N1.5, SmolVLA, XVLA
- 🌐 Κοινότητα — 204+ contributors, 3.800+ forks, Discord server
- 📚 171+ Datasets — demo δεδομένα για εκπαίδευση ρομπότ σε πραγματικές εργασίες
- 🎮 Υποστηριζόμενο hardware — SO100, SO101, Koch, LeKiwi, Reachy2, Unitree G1, EarthRover
Η φιλοσοφία είναι απλή: ό,τι μπορεί να γίνει open-source πρέπει να γίνει. Κάθε μοντέλο, κάθε dataset, κάθε σχέδιο εκτύπωσης — όλα δημοσιεύονται ελεύθερα στο Hugging Face Hub ώστε ο καθένας να μπορεί να τα αξιοποιήσει.
SO-100: Ο Βραχίονας που Αλλάζει τα Δεδομένα
Ο SO-100 (Standard Open 100) είναι ο πρωτότυπος ρομποτικός βραχίονας που σχεδιάστηκε από το The Robot Studio σε συνεργασία με τη Hugging Face. Πρόκειται για ένα 6-DOF (βαθμοί ελευθερίας) σύστημα που κατασκευάζεται σχεδόν εξ ολοκλήρου με 3D εκτυπωμένα μέρη και χαμηλού κόστους σέρβο μοτέρ.
Τι Χρειάζεσαι: Bill of Materials
Το κόστος για ένα πλήρες σύστημα τηλεχειρισμού (leader + follower) ξεκινά από περίπου 244 ευρώ:
| Εξάρτημα | Ποσότητα | Τιμή (EUR) |
|---|---|---|
| STS3215 Servo (Feetech) | 12 | ~13€/τεμ. |
| Motor Control Board | 2 | ~12€/τεμ. |
| USB-C Καλώδια (2 τεμ.) | 1 | ~7€ |
| Τροφοδοτικό | 2 | ~13€/τεμ. |
| Σφιγκτήρες τραπεζιού | 4 | ~9€ |
| Σετ κατσαβιδιών | 1 | ~10€ |
| Σύνολο (2 βραχίονες) | ~244€ |
Για ένα μεμονωμένο βραχίονα (6 σέρβο, 1 controller, 1 τροφοδοτικό), το κόστος πέφτει στα ~128€. Τα 3D εκτυπωμένα μέρη φτιάχνονται από PLA πλαστικό σε οποιονδήποτε FDM εκτυπωτή — ακόμα και σε μοντέλα αρχικού επιπέδου όπως ο Creality Ender 3 (~150€).
💡 Δεν Έχεις 3D Εκτυπωτή;
Το project παρέχει οδηγίες για online υπηρεσίες εκτύπωσης. Μπορείς να παραγγείλεις τα μέρη από τρίτους χωρίς καμία ιδιοκτησία εξοπλισμού — υπηρεσίες όπως JLCPCB, Craftcloud ή τοπικά FabLab μπορούν να εκτυπώσουν όλα τα μέρη.
Βήμα-Βήμα: Από Κουτί σε Ρομπότ
Η κατασκευή ακολουθεί μια σαφή διαδικασία. Ο πρώτος βραχίονας μπορεί να πάρει λίγο περισσότερο από μία ώρα, αλλά ο δεύτερος ολοκληρώνεται σε λιγότερο από μία.
Εκτύπωση
3D print όλων των μερών σε PLA. Ρυθμίσεις: 0.4mm nozzle, 0.2mm layer height, 13% infill. Ένα αρχείο STL περιέχει όλα τα μέρη.
Ρύθμιση Μοτέρ
Κάθε STS3215 σέρβο παίρνει μοναδικό ID μέσω Python script. Σύνδεση ένα-ένα στον controller, αυτόματη διαμόρφωση baudrate.
Συναρμολόγηση
27 βήματα: βάση → ώμος → αγκώνας → καρπός → αρπάγη. Daisy-chain σύνδεση μεταξύ μοτέρ. Βίδες M2 και M3.
Βαθμονόμηση
Εντολή lerobot-calibrate: κίνηση κάθε αρθρώσεως στο μέσο εύρους, μετά πλήρες range of motion. Εξασφαλίζει μεταφορά πολιτικών.
Leader-Follower: Τηλεχειρισμός Μάθησης
Η μαγεία του SO-100 βρίσκεται στο σύστημα leader-follower. Δύο πανομοιότυποι βραχίονες — ο leader (χειριστήριο) και ο follower (εκτελεστής) — συνδέονται μέσω LeRobot. Ο χρήστης κινεί τον leader με το χέρι (τα γρανάζια αφαιρούνται για ελάχιστη αντίσταση), και ο follower αναπαράγει κάθε κίνηση σε πραγματικό χρόνο.
Αυτές οι κινήσεις καταγράφονται ως demonstrations — video + δεδομένα θέσης/δράσης σε μορφή LeRobotDataset (Parquet + MP4). Αυτά τα δεδομένα χρησιμοποιούνται στη συνέχεια για να εκπαιδεύσεις ένα νευρωνικό δίκτυο μέσω imitation learning. Μετά την εκπαίδευση, ο follower εκτελεί αυτόνομα τις εργασίες — χωρίς ανθρώπινο χειρισμό.
📖 Διαβάστε περισσότερα: Machine Learning: Πώς Μαθαίνουν τα Ρομπότ
SO-101: Η Εξέλιξη
Ο SO-101 είναι η «ναυαρχίδα» ρομπότ της LeRobot — η βελτιωμένη έκδοση του SO-100. Η βασική καινοτομία βρίσκεται στις αναλογίες γραναζιών: αντί για ίδια γρανάζια σε κάθε άρθρωση, ο SO-101 χρησιμοποιεί τρεις διαφορετικές σχέσεις μετάδοσης στον leader.
⚙️ Γρανάζια Leader SO-101
- Βάση (Shoulder Pan): 1/191 — ισορροπία ελέγχου και ελευθερίας
- Ώμος (Shoulder Lift): 1/345 — μέγιστη στήριξη βάρους
- Αγκώνας (Elbow Flex): 1/191 — ευελιξία
- Καρπός (Wrist Flex/Roll): 1/147 — ελαφρά κίνηση χωρίς αντίσταση
- Αρπάγη (Gripper): 1/147 — ακριβής πίεση
Ο σχεδιασμός εξασφαλίζει ότι ο leader μπορεί να κρατήσει το βάρος του χωρίς εξωτερική βοήθεια, ενώ παράλληλα αφήνει τον χρήστη να τον κινεί με ελάχιστη δύναμη. Ο follower χρησιμοποιεί 6x STS3215 με 1/345 γρανάζια σε όλες τις αρθρώσεις για μέγιστη ισχύ.
AI Μοντέλα: Από Demo σε Αυτονομία
Η LeRobot δεν είναι απλά ένα hardware project — είναι πλήρες AI framework. Οι πολιτικές ελέγχου (policies) που παρέχει περιλαμβάνουν state-of-the-art αλγορίθμους μηχανικής μάθησης:
Η εκπαίδευση είναι εξίσου απλή. Μια εντολή lerobot-train ξεκινά τη μάθηση από τα δεδομένα τηλεχειρισμού. Τα μοντέλα ACT (Action Chunking with Transformers) και Diffusion Policy μαθαίνουν να αναπαράγουν ανθρώπινες κινήσεις, ενώ τα VLA μοντέλα (Pi0Fast, GR00T N1.5, SmolVLA) συνδυάζουν γλωσσικές εντολές με οπτική αντίληψη για πιο σύνθετες εργασίες.
Η αξιολόγηση γίνεται τόσο σε simulation (LIBERO, MetaWorld) όσο και σε πραγματικό hardware, μέσω ενιαίου evaluation script.
Απρίλιος 2025: Η Εξαγορά της Pollen Robotics
Τον Απρίλιο 2025, η Hugging Face πραγματοποίησε μια κίνηση που σηματοδοτεί τη φιλοδοξία της στη ρομποτική: εξαγόρασε τη γαλλική startup Pollen Robotics. Ιδρυμένη το 2016 στη Γαλλία από τους Matthieu Lapeyre και Pierre Rouanet, η εταιρεία δημιούργησε το Reachy 2 — ένα ανθρωποειδές ρομπότ ανοιχτού κώδικα.
«Θέλουμε να κάνουμε την τεχνητή νοημοσύνη στη ρομποτική Open Source.»
— Clément Delangue, CEO Hugging Face, σε ανάρτηση στο X
Η εξαγορά ενσωματώνει εξειδίκευση σε ανθρωποειδή ρομποτική στο LeRobot ecosystem. Ο Reachy 2 υποστηρίζεται ήδη ως ένα από τα συμβατά hardware, και η ομάδα στοχεύει σε 3D-printable ανθρωποειδή που θα μπορεί ο καθένας να κατασκευάσει. Ο Clément Delangue οραματίζεται ένα μέλλον όπου τα ρομπότ θα κατασκευάζονται και θα μοιράζονται όπως σήμερα τα AI μοντέλα.
Γιατί Σημαίνει Κάτι
Η κλασική ρομποτική απαιτεί εξοπλισμό εκατοντάδων χιλιάδων ευρώ, ιδιόκτητο λογισμικό και χρόνια εξειδίκευσης. Η LeRobot αλλάζει ριζικά αυτό το τοπίο:
Κόστος
Από εκατοντάδες χιλιάδες σε ~128€. Ρομποτική προσιτή σε φοιτητές, makers και ερευνητές σε αναπτυσσόμενες χώρες.
Ανοιχτότητα
Κάθε STL αρχείο, κάθε γραμμή Python, κάθε εκπαιδευμένο μοντέλο — ελεύθερα διαθέσιμα με Apache-2.0 άδεια.
Αναπαραγωγιμότητα
Η βαθμονόμηση εξασφαλίζει ότι νευρωνικό δίκτυο εκπαιδευμένο σε ένα ρομπότ λειτουργεί και σε οποιοδήποτε άλλο SO-100.
Κοινότητα
204 contributors, δωρεάν tutorials, Discord, κινέζικα εγχειρίδια, hackathons — παγκόσμια ρομποτική εκπαίδευση.
Σκεφτείτε τη σύγκριση: ένας βιομηχανικός βραχίονας Universal Robots UR5e κοστίζει μεταξύ 25.000-35.000€. Ένας SO-100 κοστίζει 128€ — δηλαδή λιγότερο κατά 99,5%. Προφανώς δεν αντικαθιστά βιομηχανικά ρομπότ σε ακρίβεια και αντοχή, αλλά για εκπαίδευση, πρωτοτυπία και AI research, είναι game changer.
Το Μέλλον: Από Βραχίονες σε Ανθρωποειδή
Η πορεία της Hugging Face στη ρομποτική είναι ξεκάθαρη: αυτό που ξεκίνησε με έναν απλό ρομποτικό βραχίονα θα εξελιχθεί σε πλήρη ανθρωποειδή ρομπότ ανοιχτού κώδικα. Η εξαγορά της Pollen Robotics, η υποστήριξη του Unitree G1 στο LeRobot, και τα VLA μοντέλα (Vision-Language-Action) δείχνουν ότι η εταιρεία χτίζει ένα πλήρες ecosystem.
Η σύντομη ιστορία του LeRobot είναι εντυπωσιακή. Σε λίγους μήνες, μάζεψε 21.700 GitHub stars, 3.800 forks, και 204 contributors. Φιλοξενεί 26 εκπαιδευμένα μοντέλα και 171 datasets στο Hugging Face Hub. Παρέχει δωρεάν tutorial (Robot Learning Tutorial) που μαθαίνει στον καθένα πώς να εκπαιδεύσει ρομπότ.
🎓 Ξεκίνα Σήμερα
Δεν χρειάζεται να περιμένεις τίποτα. Το LeRobot εγκαθίσταται με pip install lerobot. Υπάρχουν simulation environments (LIBERO, MetaWorld) για να πειραματιστείς χωρίς hardware. Αν θέλεις πραγματικό ρομπότ, παράγγειλε 6 σέρβο μοτέρ, εκτύπωσε τα μέρη, και ακολούθησε τον οδηγό. Σε μια ώρα θα έχεις το δικό σου ρομπότ — και θα το εκπαιδεύεις να πιάνει αντικείμενα.
Η Hugging Face απέδειξε ότι η δημοκρατικοποίηση δεν αφορά μόνο τα γλωσσικά μοντέλα. Η ίδια φιλοσοφία που έκανε το BERT και το GPT-2 προσβάσιμα σε κάθε developer, τώρα κάνει τη ρομποτική προσβάσιμη σε κάθε maker, φοιτητή και ερευνητή στον πλανήτη.
