Kad AI agent dobije ruku, problem više nije tekst nego pouzdan pokret
A desktop robotics workstation where an OpenClaw coding agent interface is actively generating control code while a LeRobot 101 arm reaches for small tabletop objects.📷 AI-generated image / TECH&SPACE
- ★OpenClaw je korišten za konfiguriranje i kontrolu LeRobot 101 robotske ruke.
- ★Eksperiment se oslanja na ideju 'code as policy', uvedenu u istraživačkom radu iz 2022.
- ★CaP-X benchmark pokušava mjeriti koliko su modeli za kodiranje sposobni raditi s robotskim zadacima.
Wiredov eksperiment s OpenClaw agentom i LeRobot 101 rukom važan je zato što robotiku ne prikazuje kao još jednu demonstraciju velikog jezičnog modela na ekranu. Ovdje kod izlazi iz terminala i mora preživjeti kontakt s motorima, zglobovima, objektima na stolu i fizičkim pogreškama koje se ne mogu sakriti iza uvjerljive rečenice.
U osnovi priče je jednostavna, ali jaka ideja: ako AI modeli sve bolje pišu, popravljaju i organiziraju kod, možda mogu preuzeti dio posla koji robotiku čini sporom i skupom. Autor je OpenClaw agentu dao fizičko tijelo preko LeRobot 101 robotske ruke, dijela otvorenog Hugging Face LeRobot projekta. Rezultat nije industrijski robot spreman za tvornicu, nego dokaz smjera: agent može pomoći u konfiguriranju sustava i treniranju ruke da hvata objekte.
To je bitna razlika. Klasična robotika je pouzdana zato što je uska, pažljivo projektirana i često vrlo specifična. Suvremeni vision-language-action modeli bolje generaliziraju, ali nisu dovoljno stabilni da ih se samo pusti u fizički svijet. Ken Goldberg, robotičar s UC Berkeleyja, u članku sažima tu napetost: AI kodiranje je uzbudljivo jer bi moglo spojiti konvencionalne inženjerske metode, koje su pouzdane ali se slabo generaliziraju, s novijim modelima koji generaliziraju, ali još nisu dovoljno pouzdani.
Eksperiment s LeRobot 101 rukom pokazuje zašto bi modeli za pisanje koda mogli postati važan sloj između pouzdanog inženjeringa i još nepouzdanih robotskih sustava opće namjene.
A close forensic view of the LeRobot 101 gripper, calibration markers and pickup objects, with code-policy logic visible on a nearby screen.📷 AI-generated image / TECH&SPACE
Tu se pojavljuje koncept Code as Policies, uveden u istraživanju iz 2022. Umjesto da model samo odgovori tekstom, on generira programske politike koje robot može izvršavati, mijenjati i provjeravati. To je važan pomak: robot ne dobiva magičnu intuiciju, nego sloj koda koji može povezati visoku namjeru s konkretnim postupcima.
Za TECH&SPACE je najzanimljivije što ova priča ne prodaje robota kao gotov proizvod. Ona pokazuje promjenu u alatu. Ako se agentski sustavi mogu pouzdano koristiti za podešavanje robotskih zadataka, pisanje kontrolnih skripti i iteriranje nad pokušajima hvatanja objekata, ulazna cijena eksperimentiranja s robotima pada. To ne znači da će svaki developer preko vikenda napraviti autonomnog pomoćnika, ali znači da će više timova moći testirati fizičke AI sustave bez punog robotskog laboratorija.
Zato je važan i CaP-X benchmark, spomenut u istraživačkom sažetku, jer pokušava mjeriti upravo sposobnosti kodnih modela u robotskom kontekstu. Bez takvih mjerila lako je završiti u demo-kulturi: jedan impresivan video, jedan uspješan pokušaj, malo premalo podataka. Robotika traži ponovljivost, otpornost i razumijevanje neuspjeha.
OpenClaw s LeRobot 101 rukom zato treba čitati kao rani signal, ne kao konačan proboj. Ako se ovaj smjer nastavi, najvažniji robotski napredak možda neće početi u novom mehaničkom zglobu, nego u boljem agentskom sloju koji zna pisati, testirati i popravljati kod za stvarni svijet.
