我给“开放爪”智能体装上了实体身体

文章以作者亲身体验为主线，讲述了如何借助AI编程技术快速上手机器人控制。他购入开源机械臂LeRobot 101，该系统包含一个由人操控的主控臂和一个带摄像头的跟随臂，通过遥操作训练AI模型学习视觉反馈与动作映射。初期他遭遇硬件连接与校准困难，甚至差点烧毁电机；但在OpenClaw框架和AI编程助手Codex帮助下，仅用几小时就实现了‘看到红色小球即闭合夹爪’的简易功能——AI自动配置通信、校准关节、编写Python脚本调用多库完成识别与抓取。尽管存在AI幻觉导致的bug，效果已令人振奋。文章进一步指出，‘代码即策略’并非新概念，2022年已有研究提出，其核心是让AI生成可执行代码作为机器人行为策略，兼顾传统工程方法的可靠性与多模态模型的泛化能力。为评估该范式，伯克利机器人专家Ken Goldberg联合英伟达、CMU、斯坦福推出新基准CaP-X，结果显示谷歌Gemini在机器人编程任务中表现最优，可能得益于其深度多模态与物理世界理解训练。配套工具CaP-Gym支持仿真与真机控制，CaP-Agent0框架更显著提升AI编码模型的操作性能，甚至超越专为运动控制训练的模型。目前，Goldberg团队正与英伟达合作，推动该方法兼容更多机器人软件生态。英伟达工程师Spencer Huang（黄仁勋之子）强调：让‘几乎任何人’都能用自然语言或动作示范操控机器人，才是机器人真正融入社会的关键突破。