LTzhiyuan的博客

原创 于海斌、王耀南、张钹三位院士解读具身智能

由此可见，具身智能将使人工智能在更广泛的环境下，完成更多的任务，向通用人工智能迈进。仿照人类心脏的高效供能机制，研发微型液压驱动与仿生肌肉，如德国费斯托的气动机械臂就是一个很好的参考方向，该机械臂核心优势在于其高精度控制与仿生设计的融合，拥有12个自由度，动作柔性且稳定，部分型号搭载AI技术实现自我学习优化，电磁阀寿命超3000万次，具备良好的性能和耐用性。为了适应不同工作任务的需求，我们需要设计不同类型的机器人，如为家庭服务的人形机器人，拥有灵巧双手的装配机器人，拥有特殊功效的仿生机器人等。

转载 六大智能体框架全解析：Dify、Coze、n8n、AutoGen、LangChain、CrewAI

在这波技术浪潮中，Dify、Coze、n8n、AutoGen、LangChain和CrewAI六大框架各自优势明显，覆盖从零代码到高级编程的全场景开发需求。1.低代码/可视化平台：如Coze、Dify、n8n，提供图形化界面和拖拽式工作流设计，降低开发门槛，适合快速原型和非技术用户。3.多智能体协作框架：CrewAI和AutoGen，强调多智能体的协作与任务分工，适合科研和企业级复杂应用。适用场景：知识库问答、客户智能客服、多模态内容生成局限：多Agent协作能力有限，开源模型支持不如专业框架。

原创 数字孪生技术

原创 生成式AI、大模型、多模态技术

原创 计算机视觉工程师证书考取

原创 基于深度学习的弹道目标智能分类

关注微信公众号：人工智能技术与咨询。了解更多资讯！来源：系统工程与电子技术，作者李江等摘要针对弹道目标微动分类前需平动补偿及典型雷达散射截面积(radar cross-section, RCS)序列分类需构造人工特征的问题,提出利用弹道目标微动特性和RCS相结合的弹道目标智能分类算法。首先,建立弹道目标运动模型并分析得到方位角和俯仰角,从而获取RCS序列,在此基础上利用小波变换得到时频图并构建数据集;然后,通过卷积神经网络(convolutional neural network, CN

原创 基于深度学习的小目标检测方法综述

随着深度学习的发展，基于深度学习的目标检测技术取得了巨大的进展，但小目标由于像素少，难以提取有效信息，造成小目标的检测面临着巨大的困难和挑战. 为了提高小目标的检测性能，研究人员从网络结构、训练策略、数据处理等方面展开了大量的研究，并取得了一定的进展. 然而，与大、中目标检测相比，目前小目标的检测性能依然存在着较大的差距.目标尺度是影响目标检测性能的重要因素之一. 目前，无论在公开数据集还是现实世界采集的图像中，小目标的检测精度远远低于大目标和中等尺度目标，并经常出现漏检和误检. 但小目标检测在许多实际