SKILLEMALL.ai

AC bus-servo-arm-calibrate

Калибруйте роботизированную руку с несколькими степенями свободы (типа Hiwonder, I2C/сервоканалы, без обратной связи по положению), когда вы не можете считывать углы сервопривода и должны подтвердить визуально. Предоставляет сопоставление каналов с суставами, интерактивный цикл настройки lift-hold-confirm, тест размещения и возврата в исходное положение, хранение параметров для каждого слота и диагностику классической проблемы «второго захвата» (пальцы открытого захвата цепляются за объект при подъеме). Используйте при калибровке координат захвата/размещения для настольной руки, которая берет предметы из слотов и помещает их на поднос.

машинный переводПоказать оригиналСкрыть оригинал«Calibrate a multi-DOF bus-servo robotic arm (Hiwonder-style, I2C/servo…»

Calibrate a multi-DOF bus-servo robotic arm (Hiwonder-style, I2C/servo channels, no position readback) when you cannot read servo angles back and must confirm by eye. Provides the channel-to-joint mapping, the lift-hold-confirm interactive tuning loop, a place-and-home placement test, per-slot parameter storage, and diagnosis of the classic "second grab" failure (open claw fingers snagging the object on lift). Use when calibrating grasp/place coordinates for a table-top arm that picks objects from slots and places them on a tray.

ClawHub Agent Skills автор: sharinchan233 v1.0.0 MIT-0 3 файла тело ≈ 1 624 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Калибруйте роботизированную руку с несколькими степенями свободы (типа Hiwonder, I2C/сервоканалы, без обратной связи по положению), когда вы не можете…

Как процесс C 61/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
85
Прогон на моделях
не было
Процессный рейтинг
C
61/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
    • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

    Находки guard · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 61/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 18
    • 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1624 токенов

    Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

    Сигналы качества

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +2Инструкции на одном языке
    • +3Длина description 535 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 8 заголовков
    • +3Пошаговые инструкции: 18 пунктов
    • +4Есть примеры (1 блоков кода)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 85.

    Внешние проверки

    ClawHub: clean
    This skill is a disclosed markdown guide for calibrating a tabletop servo arm, with no hidden code, network access, credential use, or persistence beyond user-directed calibration edits.
    LLM: benign (high) · VirusTotal: · 31 авг. 2026 г.