让LLM接管机器人：我的实战课
Getting out of the way: my robotics crash course
作为一名深耕软件25年的开发者，我尝试用LLM驱动机器人，却频频受挫。从LeRobot SO-101的硬件调试到Codex与Fable的切换，我逐渐意识到：自己才是瓶颈。当我主动退后，让Claude自主设计反馈循环、校准零位、调整抓取策略，机器人竟在我离开期间完成了任务。这次经历让我明白，真正的智能不是人类手把手教，而是学会放手，让AI自己去试错、迭代。
我意识到是时候把自己从方程中移除，让LLM承担更多工作。
HN 评论区
13- WoodenChair
我以为这会是一篇关于学习机器人的帖子。
看起来更像是一篇关于把 LLM 接上现成机械臂的帖子。
虽然这很有趣，但我不会把这篇帖子标为“我的机器人速成课”。
不幸的是，我认为这在某种程度上又是 LLM 替代实际学习的另一个例子。虽然我很确定作者在做这些实验时确实学到了一些关于机器人的东西，但我怀疑其收获远不如去读几章《机器人入门傻瓜书》来得多。
- jvanderbot
校准第一定律：务必进行误差分析。
即使使用 April 标签，仅凭俯视视角来寻找桌面表面也几乎没用，因为到 April 标签的距离误差远大于到 April 标签的方位（像素）误差。你基本上很难观测到你试图测量的东西。
如果再做一次，让你的智能体执行这项分析，并确保你所需的校准变量具有可观测性且误差较小。加一个 45 度角的第二摄像头，甚至直接把摄像头放在桌面上，效果会好得多，但当然，这样一来其他东西又变得不可观测了。
不过，用代理来替代力传感以获取触觉信息，这个变通方法很不错。总的来说，这是个很酷的项目！
- pj_mukh
给那些不过度纠结博客搭建的人点赞。