Comments 10
Отличный кейс! Мы в OpenGrall идём похожим путём: LLM как стратег, готовое тело как исполнитель. Но добавляем слой безопасности и SensorMemory для асинхронной работы сенсоров. Если интересно — github.com/Ferum93/OpenGrall
API робота это конечно хорошо. А где посмотреть код как данные с дадчиков передаются в openclaw и как вообще (в openclaw?) орагнизована обработка обратной связи.
По факту мы вообще поступили максимально просто, мы прислали в чат с роботом url с рестапи(там же и были камеры), репа была указана в статье. и на этом все. Базово было так.
OpenClaw, сам написал себе обработчик пошаговый. Из важных деталей которые мы не указали в статье, что мы попросили его самостоятельно произвести калибровку, что бы он понял сколько секунд ему нужно на движение в разные стороны, и на сколько он приближается. Дальше ллм+вижен, уже могла уверенно управлять.
А вот этот обработчик, что openclaw написал, можно посмотреть где-то? В каком виде это было сделано, как отдельный скрипт управления роботом по апи ллмкой, который просто запускается агентом по просьбе в тг, или это было интегрировано в openclaw как то?
openclaw просто имеет mcp к bash, и пишет скрипты на python для вызова api, там нет никакой магии
Если душнить, то там нет mcp:)
Там прямой exec tool
Вопрос был в том, можно на посмотреть на скрипт управления роботом, который он написал.
в этом и фича! нет скрипта, и openclaw не написал скрипт, который просто запустился.
в Openclaw реализован механизм agent loop который и позволяет, долго выполнять задачу, пока собственно, не будет понятно что задача выполнена, или дойти до финальной точки задачи нельзя. Это такой агент с рефлексией каждого предыдущего шага. Таким образом, он просто по системному промпту понимает задачу, сенсорами(камерами) определяет где он, и дальше просто выполняет exec, для отправки команд с помощью curl.
P.S: С камерами та же история через ffmpeg он делал снимки.
Мы отдали управление роботами OpenClaw. Что из этого вышло