Amazon Web Services hat mit Strands Robots ein Open-Source-Softwareentwicklungskit vorgestellt, das die Entwicklung und den Einsatz autonomer Roboter deutlich vereinfacht. Das unter der Apache-2.0-Lizenz stehende Framework integriert die LeRobot-Plattform von Hugging Face nahtlos in die Strands-Agent-Architektur und ermöglicht so einen durchgängigen Workflow von der Datenerfassung über das Training bis zur physischen Umsetzung. Entwickelt wurde die Lösung von Forschern und Solution Architects bei AWS, darunter Cagatay Cali und Sundar Raghavan, die das Toolkit als Antwort auf die bisher zersplitterten Tools in der Robotik-Entwicklung konzipiert haben. Kern des SDKs ist die Vereinheitlichung des Datenaustauschs. Sowohl in der MuJoCo-Simulation als auch an physischen Arm-Systemen wie dem SO-100 und SO-101 aufgenommenen Demonstrationsdaten werden im exakt gleichen Dateiformat gespeichert. Entwickler können simulierte Datensätze mit denselben Trainings-Skripten nutzen, die ursprünglich für Hardware-Aufzeichnungen konzipiert wurden. Die Brücke zwischen Simulation und Realität wird dabei zur reinen Deployment-Entscheidung. Für die Datenaufzeichnung stehen sowohl integrierte Simulations-Tools als auch native Befehlszeilen-Schnittstellen von LeRobot zur Verfügung. Die eigentliche Intelligenz liefert das Strands-Agent-Framework, das Roboterabstraktionen, Simulations- und Hardware-Steuerung sowie verschiedene Policy-Provider wie GR00T, MolmoAct2 oder NVIDIA Cosmos 3 zu einem einzigen Agenten-Loop zusammenfasst. Entwickler steuern komplexe Abläufe ausschließlich über natürliche Sprache. Ein einfaches Python-Skript reicht aus, um den Roboter zu initialisieren, eine Policy zu laden und eine Handlung auszulösen. Dabei unterstützt das SDK sowohl containerbasierte als auch direkt im Prozess laufende Inferenzmethoden, was die Abhängigkeit von externer Infrastruktur reduziert. Für den Betrieb mehrerer Maschinen parallel bietet Strands Robots ein integriertes Mesh-Netzwerk auf Basis des Open-Source-Protokolls Zenoh. Dieses ermöglicht die automatische Discovery neuer Geräte, strukturierte Fernbefehle und koordinierte Fleet-Steuerungen ohne manuelle IP-Verwaltung oder Broker-Konfiguration. Für Produktionsumgebungen lässt sich der Verkehr optional über AWS IoT Core leiten. Sicherheitsaspekte sind dabei von vornherein berücksichtigt: Physisch wirksame Befehle wie Broadcasts oder Notstopp sind standardmäßig durch eine Human-in-the-Loop-Bestätigung geschützt und lassen sich über Umgebungsvariablen anpassen. Das SDK steht ab sofort öffentlich verfügbar. Ein vollständiges Beispiel inklusive Notebook zur reinen Simulation ohne GPUs oder Hugging-Face-Zugangsdaten ist auf GitHub einsehbar. Der Ansatz markiert einen signifikanten Schritt hin zur Demokratisierung der physischen KI, da er die bisherige Trennung zwischen Datensammlung, Modelltraining und Roboter-Deployment aufhebt. Mit dieser Integration macht AWS die Entwicklung robuster, vernetzter Robotersysteme für Forschungsinstitute, Startups und Industrieunternehmen erheblich zugänglicher und beschleunigt die Iterationszyklen von der virtuellen Proof-of-Concept bis zum realen Einsatz.