06:05 — 作業系統學習資源三則
Source: 三個作業系統學習網站/課程資源 Source URLs:
- https://pages.cs.wisc.edu/~remzi/OSTEP/
- https://wiki.csie.ncku.edu.tw/linux/schedule
- https://pdos.csail.mit.edu/6.1810/
What I Read / Saw
三個跟作業系統學習相關的資源：OSTEP（作業系統概念教科書）、NCKU wiki 的 Linux 排程整理、MIT 6.1810 作業系統課程。
My Take
這三個網站是跟 OS 學習相關的，先存起來之後系統性學習用。
Connections
- raw/clippings/简介-os-in-1000-lines — OS in 1,000 Lines，另一份 OS 學習資源，講手刻極簡作業系統
06:44 — Residual Copilot：real-to-sim-to-real shared autonomy
Source: 專案網站 Source URL: https://residual-copilot.github.io/
What I Read / Saw
Shared autonomy 主要是結合人類意圖和自動輔助。這是一個 real-to-sim-to-real 的 shared autonomy framework：先從真實世界搖操（teleoperation）收集資料，接著在 simulation 中做 model-free reinforcement learning，最後把訓練出來的 policy 當作 copilot 使用。
My Take
個人覺得很值得參考——real-to-sim-to-real 這條路線把搖操資料和 sim 端 RL 訓練接起來，直接產出一個能輔助操作的 copilot，對 shared autonomy / teleoperation-assist 的應用方向是滿實際的做法。
Connections
- learning-from-demonstration-hri — LfD 與 HRI 裝置研究，shared autonomy 常見的資料收集端
- hitl-hri-survey-2024-2026 — human-in-the-loop / HRI 相關綜述
- 2026-05-07-human-demo-methods-il-taxonomy — human demonstration 資料收集方式分類
06:48 — WIYH：第一人稱視角人類操作資料集
Source: 專案網站 Source URL: https://wiyh.tars-ai.com/
What I Read / Saw
主要是人類第一人稱視角（egocentric）的資料集。
My Take
可以參考他資料集的視角跟資料搜集的設置，對比較 egocentric 資料收集的 setup（視角、感測器配置）很有幫助。
Connections
- 2026-05-14-robotic-dataset-comparison-table — 機器人資料集比較表：遙操作 / 自然示範 / 被動觀察
- human-demo-collection-simulation-across-domains — 跨領域人類操作資料收集方法比較
- teleoperation-robot-datasets-droid-comparison — DROID 等大規模遙操作資料集比較
06:56 — CHIP：用 AI 學安全的 compliance control（WHC）
Source: 專案網站 Source URL: https://nvlabs.github.io/CHIP/
What I Read / Saw
這篇在做 WHC，用 AI 學 compliance control。
My Take
重點在怎麼樣安全的控制——用學習方法讓機器人學會 compliance（順應性）控制，而不是硬寫控制律，值得研究它怎麼保證安全邊界。
Connections
- world-models-robot-safety — Robot safety 相關研究
- mocap-glove-fingertip-admittance-vs-retargeting — Admittance control 技術比較
11:54 — Sayuri Saying：日文學習 YouTube 頻道
Source: YouTube 頻道「Sayuri Saying」
What I Read / Saw
發現一個叫「Sayuri Saying」的 YouTube 頻道，沒有附上具體影片或截圖內容。
My Take
想把這個頻道存起來，之後可以用來參考學習日文。
Connections
11:57 — Dan Koe：多重興趣者如何善用未來十年
Source: YouTube 影片，Dan Koe 頻道，尚未觀看
What I Read / Saw
Dan Koe 的 YouTube 影片《If You Have Multiple Interests, Please Take Advantage of the Next 10 Years》，尚未觀看，僅記下標題。
My Take
之後預計觀看。
Connections
- raw/clippings/If you have multiple interests, do not waste the next 2-3 years — 同作者 Dan Koe 的 X 貼文，主題同樣是「多重興趣不要浪費」
12:11 — 5k1n 觸覺手套規格：1,244 個 taxels
Source: X 貼文（連結） Source URL: https://t.co/dzTaYGtA9g
What I Read / Saw
5k1n 這家公司在做 tactile glove。規格：1,244 個 taxels，覆蓋整隻手的曲面，力量範圍 10 mN–100 N，取樣率最高 750 Hz，厚度僅 1.2 mm 超薄。
My Take
這家公司有在做 tactile glove，先記下規格，之後可以拿來跟 vault 裡其他觸覺手套/感測方案比較。
Connections
- 2026-04-09-wuji-glove-tactile-matrix-commercial-landscape — 商用觸覺手套競品格局整理，5k1n 可以加進這個比較
- tactile-devices — 觸覺裝置的彙整知識頁
- dexterous-hand-tactile-data-collection-devices-lfd — 手部觸覺資料收集裝置研究
12:17 — Autonomy is a Ratio：資料稀缺性與動作複雜度
Source: Walden Robotics 部落格文章，未附直接引用 Source URL: https://www.waldenrobotics.com/news/autonomy-is-a-ratio
What I Read / Saw
Walden Robotics 部落格文章《Autonomy is a Ratio》，未附直接引用。
My Take
無論是 human video、robot simulation、UMI 這些資料都重要，從真實情境中取得的 specific 資料珍貴而無法取代。無需額外領域內資料的動作會被廣泛的應用（基本的抓取），但需要力調節、依賴非視覺回饋等，將會需要更多領域內的 Physical data。
Connections
- universal-manipulation-interface-in-the-wild-robot-teaching — UMI 原始論文/介紹
- data-scaling-laws-imitation-learning-robotic-manipulation — IL 資料規模與任務複雜度的 scaling law
- lfd-data-collection-paradigms — LfD 資料收集範式彙整頁
12:19 — HN 討論串：待整理的有趣連結列表
Source: Hacker News 討論串，未附具體引用內容 Source URL: https://news.ycombinator.com/item?id=49183198
What I Read / Saw
Hacker News 討論串，未附具體引用內容，僅記下連結。
My Take
這個連結有許多有趣的 HN links 可以參考，但需要時間檢視與整理。
Connections
12:23 — Ego2Robot：Egocentric 資料轉 Robotic EE 畫面
Source: 部落格文章（GitHub Pages），未附直接引用 Source URL: https://www-ye.github.io/ego2robot_blog/
What I Read / Saw
千問（Qwen）團隊將 Egocentric（第一人稱視角）資料後製成 Robotic EE（機械手臂末端執行器）的畫面，藉此增加訓練資料集。
My Take
值得參考的 egocentric-to-robot 資料增強方法，之後可以跟 vault 裡其他 egocentric 轉 robot 的方法比較。
Connections
- egomimic-scaling-imitation-learning-egocentric-video — EgoMimic：用 egocentric video 擴增 IL 資料的方法
- zheng-2026-egoscale — EgoScale 論文，egocentric 資料規模化相關研究
- lfd-data-collection-paradigms — LfD 資料收集範式彙整頁