在 ACT 和 DP 之后，我开始尝试 SmolVLA。选择 SmolVLA 的理由很简单——它是一个相对轻量的 VLA 模型，官方提供了预训练权重和训练配置，在有限算力下跑起来比较现实。本文记录从首次 smoke test、发现并修复 camera key 不兼容问题（自定义 Policy）、到 30k 四类 baseline 训练的完整过程。最终四类评测结果：top_short 8.33%、top_long 50.00%、pant_long 16.67%、pant_short 75.00%。

在 LeHome Challenge 中，我在跑通 ACT baseline 之后尝试了 Diffusion Policy。结果不太理想——`top_short` 任务上 30k 成功率为 0%，50k 仅 16.67%。本文记录完整的尝试过程：从 DP smoke test 到长训、从发现左手抓取偏置到逐步 debug（policy 输出日志、环境执行日志、expert replay 对照、单件测试），以及最终判断——问题更可能是 DP rollout 不稳定而非数据或配置错误。同时也发现当时的实验环境代码基线落后官方 main，可能影响了 DP 的结果。

本文记录 LeHome Challenge 官方 ACT（Action Chunking Transformer）Baseline 的完整跑通过程。从 Isaac Lab 环境排障（setuptools 82 兼容性问题）、数据迁移策略、训练配置、评测流程到视频导出，一步步还原真实操作路径。在 `top_short` 单类任务上，ACT 30k step 取得了 58.33% 的成功率。文末附完整的可执行命令和避坑指南。

本文记录了将 SO-101 Follower 机械臂从社区版 LeRobot 分支迁移到官方最新版 LeRobot 框架的完整过程。主要内容包括：使用 uv 创建独立 Python 3.12 环境、安装官方仓库并启用 feetech 扩展、硬件连接与串口识别、舵机配置与校准、以及冒烟测试验证。迁移成功实现了机械臂在官方框架下的基础功能，包括串口识别、电机配置、校准和最小控制测试，为后续实验提供了标准化的开发环境。

这篇文章源于一次真实的嵌入式构建问题。我想聊聊从 IDE 主导到文本构建系统的演进，顺便也看看 AI 和构建系统未来怎么协作。

本文介绍了SDD工作流工具OpenSpec和实战应用

本项目基于SO101单臂机械臂平台，实践并评估了动作分块Transformer（ACT）模仿学习算法。复现了基础抓放任务并实现了苹果自动削皮功能；通过系统实验分析了ACT在真实抓放任务中的表现。此外，独立开发了一套基于Web的机器人远程控制与可视化系统。

本文记录了修复xx电子 ESP32-S3-Touch-LCD-3.49 套件官方 ESP‑IDF 例程的完整过程。

在Linux开发环境下完成了ESP-IDF工具的安装，并且编译了官方例程，成功连接开发板并烧录例程进行验证

基于 OpenCV 的视觉定位与串口控制，实现 6 轴机械臂目标检测与抓取。包含坐标变换、逆运动学解算与 JSON 串口协议。