Un desarrollador de software documenta su experiencia en el desarrollo de un brazo robótico autónomo utilizando modelos de lenguaje de gran escala (LLM). El proyecto, iniciado con un kit de impresión 3D LeRobot SO-101, busca demostrar la viabilidad de la programación asistida por IA para tareas físicas complejas. El autor, tras 25 años en el sector, adoptó un enfoque de 'aprendizaje por error' para superar las limitaciones de los LLMs, que a menudo carecen de contexto espacial real.
El proceso comenzó con la configuración de un Raspberry Pi 3 y la integración de software de control desde el proyecto LeRobot. Inicialmente, el sistema falló por problemas de alimentación eléctrica y falta de retroalimentación visual. La solución clave fue delegar la toma de decisiones en el LLM, utilizando técnicas de 'resistencia' para calibrar el agarre y evitar daños mecánicos. El autor destaca la importancia de la gestión del contexto, pasando de Codex a Fable 5.1 para mantener la coherencia del chat log sin agotar créditos de API.
El resultado final fue la capacidad del robot para identificar y colocar bloques de colores en una zona marcada, demostrando que los LLMs pueden ejecutar tareas de robótica autónoma si se les proporciona un contexto claro y se permite la autonomía operativa. Este caso ilustra los desafíos actuales en la integración de IA en hardware físico, donde la falta de sensores de retroalimentación precisa es un obstáculo crítico que requiere soluciones creativas de ingeniería.