我給了我的 OpenClaw Agent 一個實體

我最近給了 我的 OpenClaw 是一隻真正的機器人手，供您玩耍。結果幾乎擊中了我自己的神經網路。

人工智慧代理人能夠塑造手臂，用它來觀察並慢慢抓取物體，甚至訓練另一個人工智慧模型來拾取和放置特定物體。他們說 AGI 還需要幾年時間！ （開玩笑，可能是這樣）。

結果讓我相信我們可能正處於機器人突破的邊緣。訓練和控制機器人需要相當多的技能。今天的人工智慧模型可以讓這一切變得簡單。

正在研究這種方法的加州大學柏克萊分校機器人專家 Ken Goldberg 表示：“人工智慧編碼非常令人興奮，因為它有可能彌合傳統工程方法和現代視覺語言動作模型之間的差距。傳統工程方法可靠，但不具有普遍性。現代視覺語言動作模型具有普遍性，但尚不可靠。”

我買了一個名為 LeRobot 101 的預製手臂。它是 HuggingFace 開源專案的一部分，該專案使得開始建造和試驗機器人技術相對便宜。

樂機器人有兩個手臂：一個是控制臂，人們可以使用手柄和扳機進行操作，另一個是帶有攝影機的從動臂，可以重現這些動作。您可以透過遠端控制控制器臂來訓練 AI 模型，並讓模型學習如何將跟隨者移動到攝影機上看到的位置。

使用 OpenClaw 構建

在使用 OpenClaw 之前，我花了幾個小時嘗試連接和校準機器人，有一次我差點因為應用了錯誤的設置而損壞了電機，導致電機過熱。

然後，在 OpenClaw 和 Codex 的幫助下，我編寫了一個簡單的程序，當檢測到紅球時，程式會關閉爪握把。在碼頭，Codex 完成了與機器人建立連結的艱鉅任務。然後，在我的幫助下，他對他的聯合職位進行了評分。他還編寫了一個 Python 腳本，使用多個函式庫來識別和接住所述球。當然，Vibe 編碼並不完美，這種錯覺可能會產生錯誤，尤其是在使用不同的硬體時，但結果令人印象深刻。