<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[ASB->EMBEDDED->ZIGBEE->RFID->FPGA->SYSTEM]]></title><description><![CDATA[专注科技 天天向上(note book)版权所有 请勿商用 谢谢 https://github.com/herodouble1/]]></description><link>https://blog.youkuaiyun.com/doublewei1</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; doublewei1]]></copyright><item><title><![CDATA[从邻里夜间扰民事件，落地一套合规AI噪声取证治理方案]]></title><link>https://blog.youkuaiyun.com/doublewei1/article/details/169861098</link><guid>https://blog.youkuaiyun.com/doublewei1/article/details/169861098</guid><author>doublewei1</author><pubDate>Tue, 03 Nov 2026 03:18:41 +0800</pubDate><description><![CDATA[全程部署于自有住宅室内，无隐私采集风险，通过硬件双传感+AI智能分类，实现夜间噪声自动监测、精准甄别、证据固化，为邻里噪声治理提供技术闭环。基于这一真实民生场景，结合硬件开发+AI本地推理技术栈，我正式立项一套社区夜间安宁AI取证治理方案，主打合规、高效、可落地，解决高层住宅夜间人为扰民取证难、定性难、治理难的行业痛点。传统依靠人工对峙、口头投诉、手机录音的解决方式，不仅效率极低、容易激化邻里矛盾，且留存的证据大多不具备法律效力，无法支撑物业处置、公安介入。一、传统邻里噪声维权的核心痛点。]]></description><category></category></item><item><title><![CDATA[PD充电宝20V7A满功率压榨｜20V转12V DC-DC供电链路方案，给12V车载电饭煲供电 ]]></title><link>https://blog.youkuaiyun.com/doublewei1/article/details/169747325</link><guid>https://blog.youkuaiyun.com/doublewei1/article/details/169747325</guid><author>doublewei1</author><pubDate>Sun, 01 Nov 2026 20:51:28 +0800</pubDate><description><![CDATA[以Thinkplus 140W充电宝为例，它的满功率点是 20V 7A（140W），而12V档位是单独限流，功率上限很低，一般只有60W左右，根本带不动12V 120W的车载负载。图注：整套供电链路拓扑图｜140W PD充电宝 → 20V PD诱骗线 → 10A输入保险丝 → 大功率同步整流降压模块 → 15A输出保险丝 → 点烟器母座 → 12V负载。等找到合适、通风、安全的测试场地之后，再采购模块实物，做带载实测：记录温升、线缆压降、充电宝保护触发阈值，验证理论计算和实际是否一致。]]></description><category></category></item><item><title><![CDATA[datawhale MicroDuck组队学 Task8 跨模态视觉语言导航]]></title><link>https://blog.youkuaiyun.com/doublewei1/article/details/169744467</link><guid>https://blog.youkuaiyun.com/doublewei1/article/details/169744467</guid><author>doublewei1</author><pubDate>Sun, 01 Nov 2026 16:06:15 +0800</pubDate><description><![CDATA[从 Task1 基础平衡控制，到本次 Task8 语言驱动智能导航，整套 MicroDuck 学习链路非常完整，让我系统性掌握了强化学习运动策略、仿真环境搭建、MPC模型预测控制、视觉语言跨模态规划等核心具身智能能力，为后续深入机器人自主决策、端到端具身模型打下了扎实基础。同时我也理解了演示视频中机器人无法完全抵达终点的核心原因：视觉遮挡、环境分布偏移、语言指令模糊性、局部轨迹预测误差累积与MPC跟踪约束限制，这也是真实具身导航任务中非常典型的边界问题，为本专题的工程思考提供了很好的收尾样本。]]></description><category></category></item><item><title><![CDATA[Datawhale MicroDuck 组队学习之MicroDuck运动策略与任务开发专题——RDK端侧与网页部署学习心得]]></title><link>https://blog.youkuaiyun.com/doublewei1/article/details/169564745</link><guid>https://blog.youkuaiyun.com/doublewei1/article/details/169564745</guid><author>doublewei1</author><pubDate>Fri, 30 Oct 2026 23:00:40 +0800</pubDate><description><![CDATA[我认识到端侧部署不只是简单复制代码，需要适配硬件算力，考虑资源占用、推理时延，还要处理硬件接口、传感器数据读取，要兼顾算法效果和硬件性能上限，很多在仿真中完美运行的逻辑，放到RDK实体端会出现延迟、数据丢包等现实问题，需要不断调参优化。后续我希望可以动手完成完整流程：先调试运动任务算法，完成仿真验证，再部署到RDK端侧，解决硬件适配问题，最后对接网页端实现状态展示与指令下发，在实操中消化软硬件联调的知识点，把仿真的算法真正变成实体机器人可以使用的能力。网页部署则拓展了机器人的交互方式。]]></description><category></category></item><item><title><![CDATA[datawhale task6 MicroDuck阶梯攀爬强化学习导读学习心得]]></title><link>https://blog.youkuaiyun.com/doublewei1/article/details/169354065</link><guid>https://blog.youkuaiyun.com/doublewei1/article/details/169354065</guid><author>doublewei1</author><pubDate>Wed, 28 Oct 2026 13:03:18 +0800</pubDate><description><![CDATA[这给我很大启发：做机器人强化学习任务，不应该直接抛出高难度任务，要人为拆解任务梯度，给模型设置“学习台阶”，由易到难，降低探索空间，大幅提升训练收敛的成功率。本案例基于MuJoCo物理仿真，使用PPO算法完成策略训练，观测输入包含本体感知信息、关节位置速度、历史动作等多维数据，以50Hz高频完成观测读取‑策略推理‑动作输出的控制闭环，这也让我意识到双足机器人运动控制，高频实时推理是稳定运动的基础，不只是网络模型本身的能力，整套软硬件链路协同同样至关重要。另外，我也体会到仿真环境真实性的重要意义。]]></description><category></category></item><item><title><![CDATA[datawhale Task5 开跑！球平衡（FastSAC）]]></title><link>https://blog.youkuaiyun.com/doublewei1/article/details/169049721</link><guid>https://blog.youkuaiyun.com/doublewei1/article/details/169049721</guid><author>doublewei1</author><pubDate>Sun, 25 Oct 2026 10:06:59 +0800</pubDate><description><![CDATA[实操环节是本次最大的难点，也是耗时最久的部分。反复调整启动命令、排查配置层级，还遇到了最头疼的checkpoint保存问题：默认配置不会自动存储模型权重，中途Ctrl+C中断训练后，checkpoints文件夹是空的，辛苦跑出来的策略没法直接导出ONNX，来回折腾很久。整体下来，这次学习不只是看懂FastSAC理论，更熟悉了具身智能仿真项目完整流程：配置管理、训练启动、权重保存、策略回放，也踩熟了WSL仿真渲染、模型存储的各类工程坑，为后续Sim2Real、BPU端侧部署打好基础。]]></description><category></category></item><item><title><![CDATA[Datawhale MicroDuck Task4 荡秋千摆动旋转｜学习心得 ]]></title><link>https://blog.youkuaiyun.com/doublewei1/article/details/168661938</link><guid>https://blog.youkuaiyun.com/doublewei1/article/details/168661938</guid><author>doublewei1</author><pubDate>Wed, 21 Oct 2026 21:07:53 +0800</pubDate><description><![CDATA[之前的任务本质都是“找目标”：目标位置固定，奖励基于和目标的距离，智能体只要不断缩小误差就能拿到高分，最后收敛到静止或者稳定抵达目标。但荡秋千没有终点，不存在一个坐标要抵达，核心目标是持续产生稳定的周期性节律，借助重力势能转化，自主放大摆幅。这是我第一次接触极限环周期性任务，和之前定点到达类任务完全是两套思路，踩了不少奖励调参和仿真回放的坑，在这里整理一下收获。③ 演示里说的7圈不是本体翻滚7整圈，是全程累计角度之和等效7圈，单次来回的峰峰摆角远不到360°，是多次摆动累加出来的总角度。]]></description><category></category></item><item><title><![CDATA[datawhale task3 MicroDuck高跷行走强化学习复现专题]]></title><link>https://blog.youkuaiyun.com/doublewei1/article/details/168441200</link><guid>https://blog.youkuaiyun.com/doublewei1/article/details/168441200</guid><author>doublewei1</author><pubDate>Mon, 19 Oct 2026 13:57:38 +0800</pubDate><description><![CDATA[奖励不是简单设置一个正向行走奖励就万事大吉，而是多组正负奖励项的权衡设计：既要设置正向奖励鼓励躯干保持直立、跟踪目标速度、合理的抬脚腾空时间，又要加入惩罚项，约束关节限位、肢体自碰撞、抬脚高度异常，防止机器人找到“作弊式”的无效解，比如依靠瘫倒、锁死关节来获取高奖励的情况。这让我感受到机器人强化学习是算法、物理仿真、软件工程交叉的领域，只懂强化学习算法远远不够，还需要读懂机器人MJCF模型结构，理解机器人本体构型，熟悉仿真工具的使用，排查训练日志、仿真可视化反馈来定位问题。]]></description><category></category></item><item><title><![CDATA[datawhale task2 MicroDuck浏览器物理扰动专题学习心得]]></title><link>https://blog.youkuaiyun.com/doublewei1/article/details/168245806</link><guid>https://blog.youkuaiyun.com/doublewei1/article/details/168245806</guid><author>doublewei1</author><pubDate>Sat, 17 Oct 2026 15:56:58 +0800</pubDate><description><![CDATA[在DataWhale every‑embodied具身智能组队学习的MicroDuck运动策略与任务开发专题中，我学习了mjswan‑MicroDuck浏览器物理扰动相关内容，借助浏览器端MuJoCo WebAssembly仿真环境，在没有实体机器人硬件的前提下，直观体会双足机器人强化学习运动控制、物理扰动以及Sim2Real仿真到真机迁移的完整逻辑，对具身机器人开发有了更加落地的理解。总体来说，本专题把抽象的强化学习、物理仿真概念变成可交互可观察的实验，为后续开展机器人运动策略开发打下扎实基础。]]></description><category></category></item><item><title><![CDATA[datawhale task1【强化学习实战】MicroDuck 篮球平衡机器人｜从模型导出 ONNX 到 Viser 可视化全流程踩坑记录]]></title><link>https://blog.youkuaiyun.com/doublewei1/article/details/167922185</link><guid>https://blog.youkuaiyun.com/doublewei1/article/details/167922185</guid><author>doublewei1</author><pubDate>Wed, 14 Oct 2026 23:46:59 +0800</pubDate><description><![CDATA[最近跟着 Datawhale every-embodied 多具身智能课程，动手复现了 MicroDuck 小鸭子机器人的篮球平衡强化学习项目，完整走完**预训练权重加载、PT 模型导出 ONNX、模型精度校验、浏览器可视化仿真**一整条链路，踩了不少坑，在这里记录下学习心得。我使用的是`blind`盲模式策略：**无视觉图像输入**，仅依靠本体感知（关节角度、角速度、姿态传感器）完成平衡控制，非常适合后续轻量化部署。1. 强化学习不只是调参训练，**模型部署、验证、可视化是同等重要的一环**。]]></description><category></category></item><item><title><![CDATA[datawhale机器学习基础学习心得：从理论到实践的探索之旅]]></title><link>https://blog.youkuaiyun.com/doublewei1/article/details/145168650</link><guid>https://blog.youkuaiyun.com/doublewei1/article/details/145168650</guid><author>doublewei1</author><pubDate>Wed, 15 Jan 2025 21:36:47 +0800</pubDate><description><![CDATA[评估方法里，留出法的简单直接、交叉验证法的严谨全面、自助法在特定场景的应用，各自的特点和适用范围让我在实际操作中有了更多的选择和思考。例如，通过 P-R 曲线和 ROC 曲线的绘制与分析，能够直观地比较不同模型在不同阈值下的表现，AUC 值作为 ROC 曲线下面积，为综合评估模型提供了一个重要的量化标准。展望未来的学习，我充满期待。随着对基础知识的掌握，我渴望深入学习各种具体的机器学习算法，如线性回归、决策树、神经网络等，并将所学的评估和选择方法应用到实际算法中，不断优化模型性能。]]></description><category></category></item><item><title><![CDATA[数学建模导论-进化计算与群体智能]]></title><link>https://blog.youkuaiyun.com/doublewei1/article/details/140238788</link><guid>https://blog.youkuaiyun.com/doublewei1/article/details/140238788</guid><author>doublewei1</author><pubDate>Sun, 07 Jul 2024 01:52:30 +0800</pubDate><description><![CDATA[【数学建模导论-进化计算与群体智能-哔哩哔哩】 https://b23.tv/nwYS0SK。]]></description><category></category></item><item><title><![CDATA[动手学大模型应用开发-第六章 开源RAG项目学习]]></title><link>https://blog.youkuaiyun.com/doublewei1/article/details/140238784</link><guid>https://blog.youkuaiyun.com/doublewei1/article/details/140238784</guid><author>doublewei1</author><pubDate>Sun, 07 Jul 2024 01:51:13 +0800</pubDate><description><![CDATA[【动手学大模型应用开发-第六章 开源RAG项目学习-哔哩哔哩】 https://b23.tv/7xyqgTR。]]></description><category></category></item><item><title><![CDATA[动手学大模型应用开发-第五章 系统评估与优化]]></title><link>https://blog.youkuaiyun.com/doublewei1/article/details/140016017</link><guid>https://blog.youkuaiyun.com/doublewei1/article/details/140016017</guid><author>doublewei1</author><pubDate>Thu, 27 Jun 2024 16:02:37 +0800</pubDate><description><![CDATA[【动手学大模型应用开发-第五章 系统评估与优化-哔哩哔哩】 https://b23.tv/f8ljvfk。]]></description><category></category></item><item><title><![CDATA[动手学大模型应用开发-第四章 构建 RAG 应用]]></title><link>https://blog.youkuaiyun.com/doublewei1/article/details/140014807</link><guid>https://blog.youkuaiyun.com/doublewei1/article/details/140014807</guid><author>doublewei1</author><pubDate>Thu, 27 Jun 2024 15:27:48 +0800</pubDate><description><![CDATA[【动手学大模型应用开发-第四章 构建 RAG 应用-哔哩哔哩】 https://b23.tv/HNwC6P2。]]></description><category></category></item><item><title><![CDATA[动手学大模型应用开发-第三章 搭建知识库]]></title><link>https://blog.youkuaiyun.com/doublewei1/article/details/140014789</link><guid>https://blog.youkuaiyun.com/doublewei1/article/details/140014789</guid><author>doublewei1</author><pubDate>Thu, 27 Jun 2024 15:26:57 +0800</pubDate><description><![CDATA[动手学大模型应用开发-第三章 搭建知识库【动手学大模型应用开发-第三章 搭建知识库-哔哩哔哩】 https://b23.tv/POaJMJz。]]></description><category></category></item><item><title><![CDATA[数学建模导论-第4章 复杂网络与图论模型]]></title><link>https://blog.youkuaiyun.com/doublewei1/article/details/140014645</link><guid>https://blog.youkuaiyun.com/doublewei1/article/details/140014645</guid><author>doublewei1</author><pubDate>Thu, 27 Jun 2024 15:23:31 +0800</pubDate><description><![CDATA[【数学建模导论-第4章 复杂网络与图论模型-哔哩哔哩】 https://b23.tv/kYocaXx。]]></description><category></category></item><item><title><![CDATA[数学建模导论-第3章 函数极值与规划模型]]></title><link>https://blog.youkuaiyun.com/doublewei1/article/details/140014293</link><guid>https://blog.youkuaiyun.com/doublewei1/article/details/140014293</guid><author>doublewei1</author><pubDate>Thu, 27 Jun 2024 15:12:27 +0800</pubDate><description><![CDATA[【数学建模导论-第3章 函数极值与规划模型-哔哩哔哩】 https://b23.tv/e67psRO。]]></description><category></category></item><item><title><![CDATA[2024机器人总动员。探索未来科技新世界]]></title><link>https://blog.youkuaiyun.com/doublewei1/article/details/139867453</link><guid>https://blog.youkuaiyun.com/doublewei1/article/details/139867453</guid><author>doublewei1</author><pubDate>Fri, 21 Jun 2024 18:11:23 +0800</pubDate><description><![CDATA[【2024机器人总动员！探索未来科技新世界-哔哩哔哩】 https://b23.tv/22bru94。]]></description><category></category></item><item><title><![CDATA[数学建模导论-微分方程与动力系]]></title><link>https://blog.youkuaiyun.com/doublewei1/article/details/139858989</link><guid>https://blog.youkuaiyun.com/doublewei1/article/details/139858989</guid><author>doublewei1</author><pubDate>Fri, 21 Jun 2024 13:39:53 +0800</pubDate><description><![CDATA[【数学建模导论-微分方程与动力系-哔哩哔哩】 https://b23.tv/urFR9so。]]></description><category></category></item></channel></rss>