şema · olgun
Neden çalışmadı: ezber mi, genelleme mi
Ağ sadece veride değişeni öğrenir. LLM fiziksel genellemeyi çözmez. Fikstür, veri çeşitliliği, hibrit.
Ağ, "görüntü + eklem açıları (+ cümle) → sonraki 100 eklem hedefi" fonksiyonunu öğreniyor. Servo okumaları kolun şu an nerede olduğunu, kameralar nesnelerin nerede olduğunu söylüyor. Kilit nokta: ağ sadece veride değişen şeyleri kullanmayı öğrenir.
Tam ezber değil, ama ezbere yakın: gördüğü aralıkta genelleme, dışında ezber. Bir garajda park etmeyi öğrenmiş biri gibi. Gözünü kullanır, çöp kutusu yerinden oynamışsa fark edip direksiyonu düzeltir; ama başka bir garaja sokarsan yine eski yerde döner.
LLM bunu çözmez
Hashtag Robotics mimarisinde LLM'in (Strands Agent) işi "hangi hamle" sorusu: tahtaya bakar, yasal hücreyi seçer, 18 sabit cümleden birini üretir. Cümle politikaya gider. Politika "top left cell" için eğitimde neredeyse oraya gider; tahta 10 cm kaydıysa eski yere. LLM'in "tahta 10 cm sağda" diyebileceği bir kanal yok; cümleye eklesen bile politika o kelimeleri hiç görmedi. LLM hatayı üst kameradan fark edip yeniden deneyebilir, düzeltemez.
Taşınabilirlik için üç yol
| Yol | Ne ister | Karar |
|---|---|---|
| Fikstür: tahta, çerçeveler, kol tabanı ve kamera tek plakada | kontrplak, vida | önerilen; "istediğim yere koyayım" geometriyi hiç bozmaz |
| Veri çeşitliliği: tahta her bölümde farklı yer ve açıda | birkaç yüz bölüm, birkaç eğitim turu | sonra; Hashtag bile yapmamış |
| Hibrit: ArUco ile tahtayı bul, klasik kontrolle yerleştir | kamera-robot kalibrasyonu, IK | LeRobot dışı, ayrı proje |
Taş bekleme bölgesinde 2–3 cm kaymış: olur. Tahta 5 cm kaymış veya dönmüş: yanlış hücre. Kamera oynamış: çalışmaz. Başka masa, aynı fikstür ve kamera: ışıkla düşer ama çalışabilir.