# 制作の依頼：π0.5 と mechArm 270 の研究を、ほかの人が同じ環境から始められる入口のページを1本企画する

## 達成したいこと（エイイチと決めたこと）
π0.5 を mechArm 270 で追加学習して実機で動かした研究は、ログが30本以上に散らばっている。手順・使ったもの（依存関係とバージョン）・結果がそろっていることを、ほかの人が1枚で確かめられない。
そこで、ほかの人が**同じ環境から始められる**ように束ねた入口のページを1本作る。失敗の読み物ではなく、「始めるための入口」にする。
これは Mission の3行目（誰でも同じ環境から Physical AI 研究を始められる状態を増やす）と、主指標「再現可能な環境数」に直結する。主指標の判定条件は、①手順が公開されている ②依存関係とバージョンが記載されている ③自分以外の環境で再現された記録が1件以上ある、または再現に必要な情報が欠けていないことを第三者が確認できる。

## 誰に
π0.5 のような公開モデルを、自分の小型アームで追加学習して動かしたい開発者・研究者。日本語で調べる人。ChatGPT・Claude などの AI に聞いてたどり着く人も入る。

## ゴール（公開から3か月。最初の判断は人の表示が30件たまった時点）
| 見るもの | 今の土台 | 3か月のゴール |
|---|---|---|
| このページの人の表示 | 今ある LP は3週間で21件（週7件ほど） | 3か月で150件（週12件ほど） |
| このページからログへ進んだ人 | ログからログへ進む人はほぼいない | 表示した人の3割 |
| AI の利用者の依頼で、このページを読みに来た数 | サイト全体で週50件前後 | このページだけで週3件以上（2か月目から） |
| AI のリンクから、このページに来た人 | サイト全体で週1件ほど | 月1件以上 |
| 問い合わせ・相談 | フォームからの連絡は、ある週で3件 | 再現を試した人、または試そうとした人から1〜2件（いちばん重い） |
3か月で表示が30件に届かず連絡も0件なら、このページに手間をかけるのをやめる（ページは資産として残す）。人の表示を増やすこと自体は目的にしない。

## 考えに入れること
- 人の多くは Google から個々のログに直接来て、1本読んで出ていく。トップを通る人は1割ほど。ログの形式は変えられないので、このページへは、AI の答え・検索・シリーズのページ・今ある LP（/gpu-buy-or-rent）・SNS からたどり着くことになる。どこから来るかを、企画書で具体に書くこと
- 問い合わせの窓口はメッセージフォーム（/message）だけ。トップや SNS に相談の窓口を出さない。ただしこのページから「再現を試した記録を送る」道をフォームへ置くのはよい
- ログに書いていない手順・バージョン・数字を作らない。足りない情報は「ログにない（未記載）」と書き、足りないこと自体をページに見せる

## 実際の数字（2026-10-26〜11-14・人の操作があった表示だけ）
- 人の表示は合計367件。週ごとに 164 → 136 → 68（11-09の週は6日分）と減っている
- **トップは40件で約1割。** 人の多くは Google（90件）や直接（153件）から、個々のログに直接来ている。LinkedIn 10件・Yahoo 10件・ChatGPT のリンク4件
- ログからほかのログ・シリーズへ移る動きはわずか（数件ずつ）。1本読んで出ていく
- 主なページの表示（25%/50%/75% まで読んだ割合）
  - / トップ：40件（70%/48%/28%）
  - /gpu-buy-or-rent（GPU は買うか借りるか・LP）：21件（52%/52%/10%）
  - /issues（課題地図）：21件（5%/0%/0%・中央値9秒）
  - /manga-archive：14件
  - /series8（サービスロボット導入シミュレーション）：12件
  - /serving-robot-one-less-staff（配膳ロボットの LP）：3件。ただし中の動画が57回再生され、67%が最後まで読んだ
  - /one-year（1年の記録の LP）：2件
  - よく読まれたログ：DAY18（11件・中央値53秒）、DAY17（7件）、DAY12（6件）、大きな店に配膳ロボット5台（7件）
- AI の利用者の依頼で読みに来た数：週に42〜61件。トップがいちばん多く、残りは個々のログに散る（ChatGPT-User が多く、Claude-User・Perplexity-User もある）
- サイト名で検索して来た人：まだ0
- **注意：** どのページも数が少ない。30件未満の数は「判断できない」として扱い、言い切らない

## 今のサイトの形
- トップ：見出し → 1年の記録 → 課題地図 → 導入前ガイド → 4コマ → いまの考え → シリーズ → 記録 → ロボットに関わる人へ → 事業所について
- シリーズのページ（/series1〜8）：上に資料、下にそのシリーズのログの一覧
- 今ある LP：/serving-robot-one-less-staff（配膳ロボットで人が1人減らせるか）、/gpu-buy-or-rent（GPU は買うか借りるか）、/one-year（1年の記録）
- 課題地図（/issues）：フィジカルAIの社会実装の前に解くべき課題・週1回更新
- ログは全部で約520本。各ログには全文・コード・素材のファイルが付き、「AIで読む」ボタンがある


## フィジカルAI研究室のログ一覧（題名と、各ログの要約。このページはここにある中身だけで作る）

- 225｜SO-101 失敗から学ぶアームを作る Log#1 | 精度を上げることと、失敗から学ぶことは違う｜/record/precision-is-not-learning-so101
  アームの動きを合わせる表（FKテーブル）を濃くしても、失敗から学ぶようにはならない。精度を上げることと失敗から学ぶことは別だと対話で行き着き、次は失敗から学ぶアームをSO-101で作ると決めた。
- 234｜SO-101 失敗から学ぶアームを作る Log#2 | 2TBの外付けSSDを、学習データの定位置にする｜/record/where-learning-data-lives
  模倣学習のデータは、Macではなく2TBの外付けSSDを定位置にして1か所に集めることにした。決める前に、Macの空き容量が約90GBから20GBまで減っていた原因を突き止めて片付けた。
- 277｜フィジカルAI研究室を作る Log#1 | 自宅にゼロから、誰でも再現できる形で｜/record/building-a-physical-ai-lab-at-home
  ロボットのAI（Physical AI）が学習できる環境を、個人の自宅にゼロから作り、誰でも同じ手順で作り直せる形で公開するシリーズを始めた。目的は、学習と推論を自分の手で回せる環境を残すこと。
- 326｜フィジカルAI研究室を作る Log#2 | Physical Intelligence の π0.5 を借りたGPUで動かした｜/record/openpi-remote-inference-first-run
  Physical Intelligenceのπ0.5はMacでは動かないが、RunpodでA40を借りれば動いた。Macから画像と指示文を送り、動きの数値を受け取るまで通した。推論は平均97ms、往復391ms、費用0.34ドル。
- 327｜フィジカルAI研究室を作る Log#3 | Physical Intelligence の π0.5 に要るGPUメモリを測った｜/record/pi05-libero-benchmark-first-run
  Physical Intelligenceのπ0.5は、Runpodで借りたA40の上で、シミュレータLIBEROのアームに「黒いボウルを拾って皿に置く」作業を20回すべて成功させた。使うGPUメモリの量も測った。
- 337｜フィジカルAI研究室を作る Log#4 | Physical Intelligence の π0.5 を mechArm 270 で追加学習｜/record/pi05-mecharm-demo-to-inference
  Physical Intelligenceのπ0.5をmechArm 270のお手本2本でA40で200ステップ追加学習すると、lossは0.1031から0.0162へ下がり、Macで予測を受け取れた。実機はまだ動かしていない。
- 337｜フィジカルAI研究室を作る Log#4 | Physical Intelligence の π0.5 を mechArm 270 で追加学習｜/record/pi05-mecharm-demo-to-inference
  Physical Intelligenceのπ0.5をmechArm 270のお手本2本でA40で200ステップ追加学習すると、lossは0.1031から0.0162へ下がり、Macで予測を受け取れた。実機はまだ動かしていない。
- 341｜フィジカルAI研究室を作る Log#5 | Physical Intelligence の π0.5 を学習。予測はお手本とほぼ一致｜/record/pi05-mecharm-lora-2000-steps
  Physical Intelligenceのπ0.5をmechArm 270のお手本19本で2,000ステップ学習すると、実機に送る前の予測はお手本の最初の1秒と数度以内で一致した。lossは0.1155から0.0054へ。
- 345｜フィジカルAI研究室を作る Log#6 | Physical Intelligence の π0.5 で実機を動かすと、爪がブロックに乗った｜/record/pi05-mecharm-first-real-run
  お手本19本で学習したPhysical Intelligenceのπ0.5でmechArm 270を初めて動かすと、ブロックの真上で手首が指令に届かず止まった。原因は爪がブロックに乗っていたことで、動画で分かった。
- 348｜フィジカルAI研究室を作る Log#7 | Physical Intelligence の π0.5 を倍学習しても、爪は奥へずれた｜/record/pi05-mecharm-4000-steps
  Physical Intelligenceのπ0.5の学習を4,000ステップに倍にしても、mechArm 270が手を伸ばす先は変わらず、爪は2回ともブロックの奥で空を閉じた。lossは0.0030まで下がっていた。
- 349｜フィジカルAI研究室を作る Log#8 | 手で教えた動きを再生し、4回続けて箱に入れた｜/record/drag-teach-waypoint-replay
  mechArm 270に姿勢を手で教えて再生させる方法で、ブロックを箱に入れる動きを4回続けて成功させた。床に当たって止まったが、高めに教え直し確認の幅を広げて直した。π0.5に渡すお手本を作るため。
- 352｜フィジカルAI研究室を作る Log#9 | 手で教えてお手本19本。肩88°を超えた姿勢は動かなかった｜/record/teach-replay-19-demos
  mechArm 270に手で教えた動きを再生しながら録り、Physical Intelligenceのπ0.5に渡すお手本を5か所19本集めた。肩を約88°より深く倒した姿勢は、命令がエラーなしに捨てられていた。
- 355｜フィジカルAI研究室を作る Log#10 | 位置を変えたお手本で、Physical Intelligence の π0.5 を学習し直した｜/record/pi05-retrain-five-positions
  置き場所を5か所に広げたお手本19本で、Physical Intelligenceのπ0.5をA40で4,000ステップ学習し直すと、lossは0.0858から0.0037へ。GPUの空き待ちで起動まで約4時間半かかった。
- 358｜フィジカルAI研究室を作る Log#11 | Physical Intelligence の π0.5 は「待ち時間」まで覚えた｜/record/pi05-learned-the-pauses
  Physical Intelligenceのπ0.5は、お手本の中の止まっている時間まで覚えていた。停止を詰めて学習し直すと、mechArm 270はブロックをつかんで箱まで運んだが、持ち上げずに箱の外で離した。
- 361｜フィジカルAI研究室を作る Log#12 | Physical Intelligence の π0.5 が初めてブロックを箱に入れた｜/record/pi05-first-block-in-box
  Physical Intelligenceのπ0.5で動かすmechArm 270が、初めてブロックを箱に入れた。学習し直さず、AIに渡す肩の角度を直前の目標に変えただけで、毎回約2°足りず箱に当てていた動きが直った。
- 363｜フィジカルAI研究室を作る Log#13 | Physical Intelligence の π0.5 がお手本の3か所すべてで箱に入れた｜/record/pi05-all-three-positions
  Physical Intelligenceのπ0.5で動かすmechArm 270が、試した3か所すべてでブロックを箱に入れた。Dは離す前に爪から落ち、Eは縁すれすれ。運ぶ間の肩はお手本より2.9〜4.0°低かった。
- 401｜フィジカルAI研究室を作る Log#14 | π0.5 を回数で測ったら、苦手な置き場所が見えた｜/record/pi05-weak-position-d
  Physical Intelligenceのπ0.5で動かすmechArm 270の実機は、3か所に5回ずつ置いたブロックを15回中9回箱に入れた。位置Cは5/5、Eは3/5、腕を伸ばしきるDは1/5だった。
- 403｜フィジカルAI研究室を作る Log#15 | mechArm 270 の失敗を巻き戻し、直して覚えさせる｜/record/rewind-and-correct-pi05
  Physical Intelligenceのπ0.5で動かすmechArm 270の実機推論に、失敗した区間を巻き戻すキーと関節を1°ずつ直すキーを足し、直した動きだけを学習データにする仕組みを作った。実機ではまだ動かしていない。
- 407｜フィジカルAI研究室を作る Log#16 | 直した mechArm 270 の動きを π0.5 に覚えさせる手前まで｜/record/rewind-correct-real-arm
  Physical Intelligenceのπ0.5で動かす実物のmechArm 270で、失敗しかけた動きをキーで巻き戻し根元の向きを直すと、AIは続けてブロックをつかめた。持ち上げる間に爪がゆるみ、直した回はまだ箱まで運べていない。
- 417｜フィジカルAI研究室を作る Log#17 | 人が直した mechArm 270 の5回で π0.5 を学び直す｜/record/retrain-pi05-with-human-corrections
  Physical Intelligenceのπ0.5で動かす実物のmechArm 270を8回動かし、成功した5回はすべて人が根元とひじを直していた。その5回を学習データに作り直し、前のモデルから続けて1,500ステップ学習した。
- 419｜フィジカルAI研究室を作る Log#19 | ゲームパッドで mechArm 270 を直す準備ができた｜/record/gamepad-ready-to-correct-mecharm-270
  3,198円の互換ゲームパッドをMacにつなぐと、ボタン16個と軸6本が読め、mechArm 270の関節を1押し0.5°ずつ動かして爪を開け閉めし、操作を全部記録するスクリプトができた。実機はまだで、アームなしで172回確かめた。
- 422｜フィジカルAI研究室を作る Log#18 | 学び直した π0.5 でも mechArm 270 には人の直しが要った｜/record/retrained-pi05-still-needs-human-corrections
  人が直した5回で学び直したPhysical Intelligenceのπ0.5で実物のmechArm 270を9回動かすと、成功6回はすべて補正つきで、補正なしの1回は根元が約2°足りず空振りした。終わりに手首のサーボが応えなくなった。
- 436｜フィジカルAI研究室を作る Log#20 | ゲームパッドで動いた mechArm 270、遅さは pymycobot の版｜/record/gamepad-moves-mecharm-270-pymycobot-version
  ゲームパッドで mechArm 270 を動かすと1回の指令に1.6秒かかった原因は、Pi の daemon が pymycobot 4.0.4 を読んでいたこと。2.9.6 に戻すと送信は約0.02秒、長押しで毎秒約8°動くようになった。
- 446｜フィジカルAI研究室を作る Log#21 | ゲームパッドで mechArm 270 を直す形が固まった｜/record/gamepad-correction-mecharm-270-settled
  小型アーム mechArm 270 をゲームパッドで手直しするには、長押しは15°先へ1回送り離したら stop、1回押しは動かす関節だけを送る形がよかった。受付なしは40回から0回になり、ほかの関節のずれも積み上がらなくなった。
- 450｜フィジカルAI研究室を作る Log#22 | mechArm 270 の AI の直しが、ゲームパッドで1回13秒に｜/record/gamepad-fixes-mecharm-270-ai-in-13-seconds
  mechArm 270 を動かす Physical Intelligence の π0.5 の失敗を人がゲームパッドで直すと1回は中央13秒で、キーで直した前の回の41〜51秒より短い。実機9回で19回直し、直す所は毎回同じ2か所だった。
- 460｜フィジカルAI研究室を作る Log#23 | π0.5 の失敗の原因を探ると、浅いお手本だった｜/record/pi05-failures-traced-to-shallow-grasp-demos
  mechArm 270 で Physical Intelligence の π0.5 が失敗した主な原因は、置き場所ではなく、ブロックが奥まで入る前に爪を閉じる浅いつかみ。学習データ30本中7本も同じ浅さだった。
- 461｜フィジカルAI研究室を作る Log#24 | 手応えを学習に足すため、mechArm 270 の電流を読んだ｜/record/reading-mecharm-270-servo-current-for-learning
  mechArm 270 のサーボの電流は、用意された関数では答えず、サーボの中の番地を直接読むと1秒に約10回取れた。爪の値は空で閉じると15前後、ブロックをつかむと870前後。力センサーなしで手応えを π0.5 のお手本に足す準備。
- 463｜フィジカルAI研究室を作る Log#25 | 深くつかむお手本へ、mechArm 270 をゲームパッドで教え直した｜/record/reteaching-mecharm-270-grasp-with-gamepad-for-deep-demos
  mechArm 270 のつかむ姿勢をゲームパッドで作り直すと、浅かった位置1のお手本が深くなり、2か所で使えるお手本を17本足せた。爪がブロックに乗った回は、下ろす時間（普段1.1秒→7.9〜9.1秒）で見分けられた。
- 479｜フィジカルAI研究室を作る Log#26 | 偏りなく学ばせるため、mechArm 270 のお手本を5か所10本に｜/record/even-ten-demos-per-spot-mecharm-270-reteaching
  mechArm 270 の位置3・4は、教えたつかむ姿勢そのものが原因だった。ゲームパッドで教え直し肩だけで下ろす形にすると深くつかめ、Physical Intelligence の π0.5 のお手本が5か所10本ずつそろった。
- 480｜フィジカルAI研究室を作る Log#27 | 浅いつかみの癖を残さず、π0.5 を50本で一から学習｜/record/retrain-pi05-from-base-on-50-even-demos
  位置ごとに10本そろえた深いお手本50本で、Physical Intelligence の π0.5 を一から学習し直すと、Runpod の A40 で3,000ステップに6.2時間・約579円かかった。loss は 0.1015 から 0.0036 まで下がった。
- 484｜フィジカルAI研究室を作る Log#28 | 50本で学んだ π0.5 をアームで試し、位置2 で外れた｜/record/pi05-even-demos-on-arm-misses-position-2
  位置ごとに10本そろえたお手本50本で学習した Physical Intelligence の π0.5 をmechArm 270 で動かすと、位置1 は3回とも直しなしでつかめたが、位置2 は4回ともつかむ姿勢まで届かなかった。
- 486｜フィジカルAI研究室を作る Log#29 | π0.5 が位置2 を外した理由は、カメラの傾きではなかった｜/record/pi05-position-2-miss-caused-by-camera-tilt
  Physical Intelligence の π0.5 が mechArm 270 で位置2 まで下りなかった理由は、上カメラの傾きではなかった。録画の画像の傾きだけを変えて1,770回答えさせても、行き先は入れ替わらなかった。
- 487｜フィジカルAI研究室を作る Log#30 | mechArm 270 がブロックを落とす理由は、まさかの電源不足｜/record/mecharm-270-drops-block-underpowered-adapter
  実物の小型ロボットアーム mechArm 270 がつかんだブロックを落とすのは、電源アダプターの不足が原因とみられる。本体は40W を求めるのに、つないでいたのは12V・2A（24W）だった。
- 490｜フィジカルAI研究室を作る Log#31 | mechArm 270 の待ちを測り、Claude Fable 5.2 の使い所を決めた｜/record/measure-mecharm-270-waits-decide-claude-fable-5-2-role
  Anthropic の Claude Fable 5.2 は、実物のロボットアーム mechArm 270 の実験では、失敗の見立てのような人の判断の所に絞って使う。π0.5 の実機20本では、アームが動いていたのは全体の44%だった。
- 492｜フィジカルAI研究室を作る Log#32 | mechArm 270 を人が直す時間を測り、縮める先を決めた｜/record/measure-mecharm-270-recovery-time-decide-what-to-cut
  ロボットアーム mechArm 270 の実機で π0.5 の失敗を人がゲームパッドで直すのは1回中央14.5秒で、関節を動かすのは2.6秒だけ。キーボードの43.2秒から3分の1になり、残りは直しの出入りとつかみ直しにかかっていた。
- 497｜フィジカルAI研究室を作る Log#33 | アームの成否判定を Google の Gemini Decision 1 に任せられるか｜/record/gemini-decision-1-judge-mecharm-270-pick-and-place
  Google の判断専用モデル Gemini Decision 1 は、ロボットアーム mechArm 270 がブロックを箱に入れたかを56本すべて見分けたが、つかみの深さは見分けられなかった。1回約1秒・168回で約2円。
- 504｜フィジカルAI研究室を作る Log#34 | mechArm 270 の電源を5Aに替え、ブロックを落とさなくなった｜/record/mecharm-270-5a-adapter-stops-dropping-block
  小型ロボットアーム mechArm 270 がブロックを落とす原因は電源の不足だった。12V・5A に替えると、π0.5 は位置5 で5回とも成功（12V・2A の日は3回中1回）。教えた動きの再生も7回すべて成功した。