acabo de dar Mi OpenClaw es un verdadero brazo robótico con el que jugar. Los resultados casi destruyeron mi propia red neuronal.
El agente de IA puede configurar el brazo, usarlo para ver y recoger cosas lentamente, e incluso entrenar a otros modelos de IA para que recojan y coloquen objetos específicos. ¡Y dicen que todavía faltan algunos años para AGI! (Estoy bromeando, tal vez lo sea).
Los resultados me hacen creer que podemos estar al borde de un gran avance en robótica. Entrenar y controlar robots solía requerir una habilidad considerable. Los modelos de IA actuales pueden facilitar mucho las cosas.
“La codificación impulsada por IA es apasionante porque tiene el potencial de cerrar la brecha entre los métodos de ingeniería convencionales, que son confiables pero no generalizables, y los modelos contemporáneos de acción, lenguaje y visión, que pueden generalizarse pero aún no son confiables”, afirmó Ken Goldberg, un experto en robótica de la Universidad de California en Berkeley que está explorando este enfoque.
Compré un brazo prefabricado llamado LeRobot 101. Esto es parte de un proyecto de código abierto de HuggingFace que hace que sea relativamente económico comenzar a construir y experimentar con robótica.
LeRobot viene con dos brazos: un brazo de control que una persona opera usando un mango y un gatillo, y un brazo seguidor con una cámara que replica esos movimientos. Puede entrenar un modelo de IA operando de forma remota el brazo de control y haciendo que el modelo aprenda cómo mover al seguidor en respuesta a lo que ve en la cámara.
Construyendo con OpenClaw
Antes de usar OpenClaw, pasé varias horas intentando conectar y calibrar el robot, y en un momento casi rompí el motor al aplicar la configuración incorrecta, lo que provocó que se sobrecalentara.
Luego, con la ayuda de OpenClaw y Codex, pude codificar un programa simple que cerraba el agarre de la garra cuando veía una bola roja. En la terminal, Codex realiza el complicado trabajo de configurar la conexión con el robot. Luego, con mi ayuda, calibró la posición de sus articulaciones. También escribió un script en Python que utiliza varias bibliotecas para identificar y retener la pelota en cuestión. Por supuesto, la codificación de vibraciones no es perfecta y las alucinaciones pueden introducir errores, especialmente cuando se trabaja con hardware diferente, pero los resultados son impresionantes.
