Reward AI 发布了机器人基础模型 OM-1,核心卖点是:只从人类操作数据中学习,不需要遥操作,不需要机器人专属数据,训练完直接部署到桌面机械臂、工业机械臂、人形机器人上,不用针对每种机器人做微调。 Reward AI 脱胎于斯坦福大学的 DexCap 项目。DexCap 是一套便携式人手动作捕捉系统,能记录人在日常操作中手指的精细动作。OM-1 在此基础上更进一步,设计了一套叫 Omnibody Hand 的 7 自由度可穿戴设备,让人戴着它正常工作、做饭、整理东西,设备会同步采集视觉、触觉、力度等多模态数据。换句话说,人照常干活,数据自动录好,机器人直接从这些数据里学会怎么操控物体。 这条路线和当前主流做法不一样。大多数机器人基础模型(比如 Physical Intelligence 的 π0、Figure AI 的 Helix)依赖大量遥操作数据,需要人远程控制机器人做示范,再从示范中学习。遥操作数据采集成本高、效率低,而且跟具体机器人硬件绑定。OM-1 绕开了这个瓶颈,直接从人手动作学习,数据采集更快,理论上也更容易规模化。 从演示视频看,OM-1 能完成手机包装(四臂协作)、调酒、叠衣服、拔网线这类任务,都是实时速度,没有加速。拔网线这个任务看着简单,其实需要精确按压卡扣才能拔出来,属于精细操作。官方称学会一个全新任务只需不到 30 分钟的人类演示数据。 OM-1 还展现了一些自发行为:多臂协作时一只臂会自动补偿另一只臂的失误,遇到外部干扰会重试,环境变化太大时会主动停下。 目前 OM-1 处于研发展示阶段,Reward AI 没有公布商业化时间表和定价。对于机器人行业来说,如果"从人类数据直接学习"这条路能跑通并规模化,将大幅降低机器人技能训练的门槛,让新机器人硬件一出厂就能继承已有的操作能力,而不用从头采集训练数据。
越来越多的发现,Vibe Coding 到后来,想法都不是瓶颈,验证才是。很多想法不停的往上面加,反正 AI 都能给你做出来,做出来了以后呢根本来不及一个个功能测试。 也不能说都是垃圾,但和以往手工编码那种节奏没法比,以前写完通常要反复测试一下,由于产出速度不高,是测得过来的,有问题能马上知道在哪。现在产出太快,功能已经多到测不过来。 连 Codex 和 Claude Code 这样的产品都是一样的,你用的过程中就经常能遇到各种小 bug,明显是用 AI 开发太快来不及测试。 不是没试过用 Computer Use 配合测试,效果也不是很理想,要做好测试覆盖各种场景,要做的工作量一点不少,需要。 测试应该是不用太担心被替代的,要测试的只会被以前更多。
最近 vibe coding 很多,尤其是额度快要重置那会,会扔一堆任务给 Agent 做,有些任务显示任务已经完成就没管了,但是隔天测试的时候发现任务没完成,回去一检查,原来给开了个 worktree,不是在 main 修改的,压根就没合并。 再让 Agent 帮我集中检查了一下,还有不少这样的 worktree,让它清理了一下。 最后让它在 Agents.md 加了个规则,不是说不能创建 worktree,但是不能遗漏在那里。 --- 参考审查 worktree 提示词 --- 帮我看看哪些 worktree 还没有同步到 main,同步好了的直接删除,没同步的列出来:分支、修改内容摘要(含最近几次 commit)、对应 session 会话 --- 参考清理 worktree 提示词 --- 帮我看看这些 worktree 的内容,明确值得合并的帮我合并并清理 worktree,不确认的给我确认,但是要给我清晰的建议 --- 参考 AGENTS.md 规则 --- - worktree 不遗留:在 worktree 里做的任务,完成时必须删除该 worktree 及其分支。删除前二选一:合并进 `main`;或不合并时先把未提交改动提交到该分支,打 `archive/<worktree 名>` tag 存档,再 `git worktree remove` + `git branch -D`。编排 subagent 的会话负责收尾它派生的 worktree。确需保留的(待用户裁决、有冲突待解)在最终回复里点名路径与原因,不得默默留下。
先说下故事背景,我先前通过Cloudflare小号部署了cmliu大佬的edgetunnel项目,因为是移动宽带一直被优选IP困扰,后面在GitHub找到的py测速脚本启发,用了大概半个月了还不错 前提要求,得有一台本地24小时运行的设备,比如nas,然后有一台OpenWrt设备,有OpenClash、Nikki之类的插件。 然后NAS用呆呆或者青龙面板跑CFData-WEB项目的脚本,这里我选的是将优选好的IP上传到GitHub仓库 优选IP脚本的项目:https://t.co/L2dv4rCriR 然后edgetunnel后台订阅自己GitHub仓库的地址就好啦~最重要一点,就是跑python脚本的时候,加上后置命令或者在py代码里面加上(通知Clash刷新代理),即可完成闭环,美滋滋的白嫖CF了 我目前是每天自动优选四次IP,优选完成后立马就同步到Clash代理里面了,全程自动化,完全不用动手