AI가 PCB probe를 움직일 때, HN은 demo보다 safety model을 먼저 봤다

AutoProber는 HN에서 score 220대와 40개 넘는 comments를 얻었다. 제목은 장난처럼 보였지만, community가 붙잡은 질문은 꽤 진지했다. AI agent가 physical probe를 움직인다면, demo의 멋짐보다 safety model과 실제 측정 정확도가 먼저 검증돼야 한다는 것이다.

GitHub README에 따르면 AutoProber는 hardware hacker를 위한 flying probe automation stack이다. 목표는 새로운 target을 plate 위에 올린 뒤, agent가 project를 ingest하고, hardware를 확인하고, homing과 calibration을 수행하고, microscope frames를 찍어 map을 만들고, pads, pins, chips 같은 features를 표시한 다음, operator가 승인한 targets만 probe하는 흐름이다.

Hardware stack은 GRBL-compatible 3018-style CNC controller, USB microscope, Siglent oscilloscope over LAN/SCPI, optical endstop, optional network-controlled outlet 등으로 구성된다. Repo에는 Python control code, Flask dashboard, CAD files, docs가 들어 있다. 중요한 점은 project가 스스로를 일반 web app이 아니라 machine-control system으로 다룬다는 것이다.

README의 safety model은 구체적이다. CNC probe pin은 trusted endstop이 아니며, independent safety endstop은 oscilloscope Channel 4에서 읽는다. Channel 4 trigger, ambiguous voltage, CNC alarm, real X/Y/Z limit pin은 모두 stop condition이다. Agent나 operator는 stop하고 report해야 하며, recovery motion은 자동으로 하지 않는다.

HN comments는 바로 그 경계에 집중했다. 어떤 사용자는 이것이 기존 flying probe tester와 무엇이 다른지, AI가 pin을 찾는지 SPICE model과 비교하는지 물었다. 또 다른 comment는 실제 PCB 촬영과 fiducial math, probing evidence가 부족해 보인다고 의심했다. AI agent가 0.1mm만 잘못 계산해도 board를 망가뜨릴 수 있다는 지적도 있었다.

그래서 AutoProber의 흥미로운 지점은 “AI hardware arm”이라는 문구보다 더 현실적이다. Agent가 lab hardware를 만지는 순간, UX와 prompt보다 interlock, calibration, human approval, bounded motion이 제품의 중심이 된다. HN은 멋진 repo를 봤지만, 동시에 physical automation에서 trust가 얼마나 비싼지 확인했다.