最新

快速概括一下，因为帖子内容较长：我曾在 OpenAI 从 2017 年到 2020 年进行机器人操控研究，当时桌面设置的成本大约是现在的 10 倍，并且需要一个团队来运行。这个项目是我测试一个人现在是否能在同一类问题上做出有意义的工作：从物理和软件设置开始。 有几个我不太确定的决定，非常希望得到一些反馈/意见： * 单臂 vs. 双臂（我选择了单臂是为了节省成本/空间，我知道这会排除像折叠布料这样的任务） * 目前不进行相机外参/内参的标定 * 从零开始的策略（ACT / Diffusion Policy）使用 RGB 还是 RGB-D 还有一个我比较有信心但预计会有争议的决定：不基于 ROS 2 / LeRobot 进行开发，而是自己编写一套堆栈。我很乐意详细阐述我的理由。

各位 HN 的朋友们，我们是 Oskar、Szymon 和 Piotr，我们正在开发 TesterArmy (<a href="https:&#x2F;&#x2F;tester.army">https:&#x2F;&#x2F;tester.army</a>)。TesterArmy 是一个智能代理测试平台，可在部署前和生产环境中运行端到端检查。您无需花费数小时进行手动测试或维护静态脚本，只需用自然语言描述您的测试，其余的都交给我们处理。我们完全围绕代理构建了该平台。我们的代理将可靠地执行测试，而您的编码代理可以管理我们平台中的一切，从用自然语言定义测试到代表您运行它们。 请观看我们的演示视频：<a href="https:&#x2F;&#x2F;www.youtube.com&#x2F;watch?v=291IkUbPrlk" rel="nofollow">https:&#x2F;&#x2F;www.youtube.com&#x2F;watch?v=291IkUbPrlk</a>。 我们创建 TesterArmy 是因为测试仍然非常令人头疼。AI 编码工具极大地加快了代码编写和发布速度，但测试仍然是一个瓶颈。传统的端到端测试设置缓慢且维护成本高昂。管理身份验证和测试用户很麻烦。设置暂存环境很麻烦。可靠地运行测试很麻烦。 我们认为大多数团队实际上不想花费时间编写选择器或维护测试基础设施。他们只想确保其核心流程正常运行。通过 TesterArmy，工程师可以注册，提供我们的 CLI 给代理，然后让它负责按计划或在 GitHub 上创建和运行测试。 当出现问题时

SunCalc 是我最早的开源项目之一——15 年前我提交了第一个版本，此后它得到了广泛的应用，但近年来却有些被忽视了。现在，现代人工智能工具使我能够解决多年积累的技术债务和用户问题，我终于有能力复兴像这样的项目并保持它们的良好状态。 v2 是一个新版本，将太阳的计算精度提高了 5 倍，月亮的计算精度提高了 20 倍，并通过一个广泛的测试套件与美国海军天文台的地面实况进行了验证，此外还修复了大量问题，并使用 ESM 对分发进行了现代化改造。希望您喜欢。