One page per project. Each opens with a visual summary and five key points; the full walkthrough — every file, every measurement, what the result does not prove — sits behind one toggle.
1プロジェクト1ページ。冒頭は図と5つの要点で、全文（全ファイル・全計測・結果から言えないこと）は1つのボタンの先にあります。
A balance-and-recover policy for a 25 cm, 14-servo biped, trained with PPO in CPU MuJoCo against a PD baseline. Domain randomisation was run, came out worse on held-out physics, and is reported as such.
25 cm・14サーボの二足ロボットに、CPU版MuJoCoでPPOによるバランス維持・復帰policyを学習し、PD baselineと比較。Domain randomisationはheld-out物理で悪化し、そのまま報告しています。
PPO 344.8 ± 2.9 vs PD 175.8 ± 0.2 of 500（500点満点） · 100 episodes × 5 seeds
The Microduck environment rewritten in C++17 on threads: 6,275 of 6,275 observations bit-identical to Python first, speed second. Same PPO loop, no difference in the trained policy.
Microduck環境をC++17・スレッド並列で再実装。まず6,275個のobservationがPythonとビット単位で一致することを示し、速度はその後。同じPPOループで、学習結果に差はありません。
1.9–2.0× the Python vector env at 8 workersPython vector env比（8 workers） · 50M steps 3.1 h vs 3.8–4.4 h · 339.4 ± 2.3 vs 348.1 ± 8.1
One MuJoCo bench for the SO-ARM100 arm (four tasks, scripted expert, held-out physics) and three policy repos on it: curriculum PPO, imitation from BC to ACT, and a language-conditioned policy. All measured at 100 episodes × 5 seeds.
SO-ARM100用の共通MuJoCoベンチ（4タスク、scripted expert、held-out physics）と、その上の3つのpolicy：curriculum PPO、BCからACTまでのimitation learning、language-conditioned policy。すべて100 episodes × 5 seedsで計測。
ACT 0.77 lift from the camera（カメラ入力でのlift成功率） vs BC 0.05 · expert 0.93 · DR fine-tune halves held-out dropDR fine-tuneでheld-out低下が半減 0.120 → 0.056
An anchor-free detector for overlapping tabletop objects, scored with a hand-written COCO mAP against a fitted classical pipeline, then quantised to INT8 for one CPU thread.
重なり合うテーブル上の物体を検出するanchor-free検出器。自前実装のCOCO mAPで古典パイプラインと比較し、CPU 1スレッド向けにINT8量子化。
mAP 0.911 vs classical 0.532 · INT8 1.38 ms on one thread（1スレッド） at mAP 0.910
The same cart-pole solved by LQR and by a from-scratch PPO. Sixteen seeds, four ablations and a permutation test decide where the learned policy is genuinely better — and where it is not.
同じcart-poleをLQRとゼロから実装したPPOで解く。16 seeds、4つのablation、permutation testで、学習policyが本当に優れている点とそうでない点を判定。
16 / 16 seeds · one training run学習1回 11.4 s · LQR needs 0 samplesはサンプル不要
A 27 k-parameter CNN recovers a cube's position and yaw from one image to 0.59 mm median. Two classical baselines first; the second exposed a radial bias in the first.
27 kパラメータのCNNが画像1枚から立方体の位置とyawを中央値0.59 mmで推定。先に古典的baselineを2つ作り、2つ目が1つ目の半径方向のbiasを発見。
Position error位置誤差 0.59 mm median · 27 k parameters · 0.23 ms / 1 thread
A Franka Panda clears seven balls off a table with nothing hard-coded: camera → OpenCV → C++ reachability filter → MoveIt 2 → state machine. 7 of 7 placed on mock hardware.
Franka Pandaがテーブル上の7個のボールを片付けます。座標のハードコードなし：カメラ → OpenCV → C++の到達性フィルタ → MoveIt 2 → state machine。mock hardwareで7/7成功。
7 / 7 balls placed個を配置 · 11 nodes · mock hardwaremock hardware（実機不要）
Three simulated robots publish position; Kafka carries it to two readers — one stores every row, one raises an alert when a robot stops. The whole fleet is one YAML file, proven end to end in CI.
3台のシミュレーションロボットが位置をpublishし、Kafkaが2つの受信側へ届けます。1つは全行を保存、もう1つは停止を検知してアラート。フリート全体は1つのYAMLで定義し、CIでend-to-endに検証。
3 robots · 2 databases · CI 4 / 4 · smoke runsmoke test 369 rows / 25 s