ロボットアームを放置したら、朝にはブロックが揃っていた
Getting out of the way: my robotics crash course
ソフトウェア一筋25年の筆者が、子供に見せたくてLeRobot SO-101ロボットアームを購入。LLMに制御を任せ、抵抗検知とカメラフィードバックで把持を実現。試行錯誤の末、寝ている間に赤・青・紫のブロックがすべて配置エリアに運ばれていた。
目が覚めると、すべてのブロックがテープで区切られた配置エリアにあった。完璧に整列していたわけではないが、すべてそこにあった。
HNでの議論
14- WoodenChair
これはロボット工学の学習についての投稿だと思っていた。
どうやら、既製品のロボットアームにLLMを接続しただけの投稿のようだ。
それはそれで面白いけど、この投稿を「私のロボット工学クラッシュコース」と銘打つのは違うんじゃないかな。
残念ながら、ある意味これはLLMが実際の学習の代わりになってしまっているもう一つの例だと思う。著者がこうした実験を通じてロボット工学について何か学んでいるのは確かだろうけど、「ロボット工学入門 for dummies」の本を2、3章読んだ方が得られたであろう知識量には及ばないんじゃないかな。
- jvanderbot
キャリブレーションの第一法則：必ず誤差解析を行え。
上から見下ろす視点では、たとえApril tagがあってもテーブル表面を見つけるのはほとんど無意味だ。なぜなら、April tagまでの距離誤差は、April tagへの方位（ピクセル）誤差よりもはるかに大きいからだ。要するに、測定したいものをうまく観測できないという問題に直面する。
もしまたやるなら、エージェントにこの解析を実施させて、目的のキャリブレーション変数が小さな誤差で観測可能であることを確認するといい。45度の角度からの2台目のカメラ、あるいはテーブル上に置くだけでもずっとマシだが、もちろんそうすると別のものが観測できなくなる。
しかし、力覚センシングの代理を使って触覚情報を得るというのは、うまい回避策だ。そして全体的に素晴らしいプロジェクトだ！
- pj_mukh
ブログのセットアップを考えすぎない人たちに敬意を表したい。「thisismypersonalblog.com」で、はい終わり。それで十分機能する。
技術的な話をすると、あなたのセットアップはプロのセットアップが向かっている先とそう遠くない[1]。Astraは（今のところ）研究用ロボティクスのセットアップを本当に迂回しつつある。
[1]: https://x.com/ihorbeaver/status/2104646736652447854?s=20