# Learn-It-All: un cuadrúpedo para comparar cinemática y aprendizaje Learn-It-All publica un cuadrúpedo con servos Feetech y realimentación, modelos y control. Sus demostraciones y repositorios permiten seguir la simulación al hardware. - URL canónica: https://robotica.es/ia/learn-it-all-cuadrupedo-servos-realimentacion-simulacion/ - Versión Markdown: https://robotica.es/ia/learn-it-all-cuadrupedo-servos-realimentacion-simulacion.md - Publicado: 2026-10-07 - Última actualización editorial: 2026-10-07 - Autoría: Redacción Robotica.es - Categoría: IA en robótica - Etiquetas: Proyecto Learn-It-All, Learn-It-All Quadruped, educación, programación, robótica educativa - Idioma: es-ES **Learn-It-All** es un proyecto educativo de 2026 que publica un cuadrúpedo físico y sus recursos de simulación y control. Su [repositorio principal](https://raw.githubusercontent.com/youngboss2026/Learn-It-All-Full-Stack-EmbodiedAI-Quadruped-Robot/main/README.md) muestra demostraciones con una política aprendida y con un controlador de cinemática inversa. La propuesta permite comparar ambos enfoques sobre una plataforma con servos de bus y lectura de realimentación. ## Una adaptación mecánica con origen declarado El [repositorio mecánico](https://github.com/youngboss2026/Learn-It-All-Mechanical-Design) indica que adapta el diseño de SpotMicroESP32. Esa atribución importa: Learn-It-All no presenta toda la forma del robot como una invención desde cero, sino que organiza una construcción y un recorrido de aprendizaje sobre un diseño previo modificado. Publica archivos de SolidWorks y modelos para las siguientes etapas de simulación. Antes de imprimir o encargar piezas conviene revisar qué revisión corresponde al hardware elegido, además de respetar las condiciones y atribuciones del diseño original. La [interfaz de hardware](https://raw.githubusercontent.com/youngboss2026/Learn-It-All-deployment-sim2real/main/dog_feetch/runtime/position_hwi.py) asigna doce articulaciones a identificadores de servo, tres por pata. La plataforma de despliegue utiliza Feetech STS3215 y dispone de funciones para ordenar posiciones y leer la respuesta de los motores. Esto permite trabajar con el estado de las articulaciones, además de enviarles una trayectoria. ## Calibración y orientación de sensores La [documentación de despliegue](https://github.com/youngboss2026/Learn-It-All-deployment-sim2real) incluye herramientas para configurar servos, centrar posiciones y guardar una postura de referencia. También separa el código de inferencia de las interfaces de motores e IMU. El orden físico de los motores debe coincidir con el que espera el programa. Un número de servo, un signo de giro o un desplazamiento del cero equivocados pueden producir movimientos distintos de los previstos, aunque el modelo de simulación parezca correcto. Por eso el proyecto recomienda comenzar con diagnóstico, calibración y pruebas con el robot sujeto antes de ejecutar una política. Comprobar una pata y después el conjunto permite relacionar cada lectura y orden con una pieza visible. ## Dos formas de generar la marcha El controlador de cinemática inversa convierte posiciones de pies en ángulos de articulación. Es útil para estudiar geometría y coordinación, porque se puede seguir el recorrido desde una trayectoria deseada hasta la orden de cada motor. La otra vía ejecuta una política exportada a ONNX. En este caso hay que entender qué observaciones recibe el modelo y cómo transforma su salida en órdenes físicas. La documentación reúne módulos para inferencia y comunicación, junto a archivos de políticas y ejemplos de ejecución. Tener ambas vías sobre el mismo tipo de plataforma ayuda a formular comparaciones concretas: qué calibración necesita cada una, cómo responde al cambio de postura o qué ocurre al modificar las observaciones. Una demostración de marcha no resuelve por sí sola esas preguntas. ## Recursos publicados y documentación pendiente La hoja de ruta da por realizadas pruebas físicas de los dos controladores. Mantiene pendientes una guía detallada de montaje, más tutoriales de entrenamiento y documentación de resolución de problemas. Esa situación hace que el proyecto resulte más adecuado para un estudiante con apoyo técnico que para alguien que espera seguir instrucciones cerradas de principio a fin. También conviene distinguir los archivos del equipo de las bibliotecas de fabricantes y terceros que el repositorio conserva. Learn-It-All ofrece un recorrido desde mecánica y modelos hasta control físico, con demostraciones y componentes identificables. Su valor educativo está en estudiar las correspondencias entre simulación, sensores y articulaciones, asumiendo el trabajo de integración que todavía requiere la construcción. ## Fuentes - [Proyecto Learn-It-All — arquitectura, demostraciones y hoja de ruta [en]](https://raw.githubusercontent.com/youngboss2026/Learn-It-All-Full-Stack-EmbodiedAI-Quadruped-Robot/main/README.md) - [Proyecto Learn-It-All — diseño mecánico y origen de la adaptación [en]](https://github.com/youngboss2026/Learn-It-All-Mechanical-Design) - [Proyecto Learn-It-All — despliegue, calibración e interfaz de hardware [en]](https://github.com/youngboss2026/Learn-It-All-deployment-sim2real) - [Proyecto Learn-It-All — correspondencia de articulaciones y realimentación de servos [en]](https://raw.githubusercontent.com/youngboss2026/Learn-It-All-deployment-sim2real/main/dog_feetch/runtime/position_hwi.py) *Imagen: Fotograma recortado del vídeo de control cinemático de Learn-It-All, en el segundo 6, con el cuadrúpedo completo y su electrónica conectada. [Archivo original](https://github.com/user-attachments/assets/35e0f9d1-ff54-483b-a3b3-77c9c0c3400d).*