- 博客(295)
- 收藏
- 关注
RSS订阅原创 大模型学习开源项目
• Datawhale self-llm：开源大模型食用指南，环境配置+本地部署+LoRA/全量微调，覆盖 Qwen/InternLM/ChatGLM/MiniCPM 等，偏“让模型跑起来”。• mlabonne/llm-course：基础/科研/工程三条线，Transformer、微调、QLoRA、DPO、RAG、量化、Colab 示例，英文但最全。• llm-cookbook（Datawhale）：吴恩达大模型系列中文复现，Prompt、RAG、微调、评估都有 Notebook，应用工程师入门顺。
2026-10-14 09:04:11
178
原创 2026年4月-10月github热门项目汇总分析记录
注：VoltAgent/awesome-agent-skills 因近期数据源有限，暂未获取到精确的最新值。（今天），累计推送了数百个开源项目与模型。排序，标注了从旧数据到最新的变化。
2026-10-08 11:18:26
306
原创 VLA 不是机器人终极路线？——关于端到端、数据瓶颈与物理推理的深度分析
世界/物理预测 + 分层执行 + 少量高质量机器人数据 + 仿真 RL端到端 VLA 在小数据、OOD 物理扰动下的本质问题是——它把机器人任务当成模式匹配问题，而不是物理推理问题。通过固定小数据的 OOD 对比实验和反事实动作测试，可以清晰暴露这一缺陷。而分层架构和世界模型方案，因显式建模了物理因果链或提供了结构化中间层，在相同条件下表现出更强的鲁棒性。学术综述（尤其是工业拆解/装配领域）也佐证了这一点：在几何不确定和长程任务中，分层/混合架构是更成熟的落地选择。
2026-09-16 11:30:56
237
原创 PalantirFDE核心价值总结
这也是为什么我越来越觉得，未来真正优秀的FDE，核心能力不会只是工程能力，还得有业务理解、产品判断、价值判断，甚至还得有一点挑战客户的勇气。就是一个企业真正比别人厉害的那部分，可能是数据，可能是经验，可能是供应链，可能是一套别人看不见的判断方式，可能只是几个老员工脑子里几十年沉淀下来的认知。所以企业上AI，你在获得模型能力的同时，执行越“便宜”。FDE到场之后，第一件事甚至可能不是动手开发，而是区分清楚：什么事情可以交给AI执行，什么东西我绝对不能放手，把企业独有的判断，变成AI可以执行的系统。
2026-09-14 17:39:30
153
原创 机器人本体：FK/IK
前半句完全正确，后半句有一个关键的术语需要纠正——这直接影响你后面写代码时调什么 API。一、前半句：完全对 ✅“手眼标定最终的目的，是把相机坐标转换成基座坐标”对。手眼标定求出 T_flange_cam，每帧结合 FK 算出 T_base_cam。这样你就能把视觉算法在相机系下检测到的任何东西（物体位姿、抓取点），转换到基座系下：现在机器人"知道"物体在基座坐标系里的精确位置了。二、后半句：术语纠正 ⚠️“然后基于基坐标去正向控制手臂环节怎么到达指定位置”
2026-09-01 09:59:40
390
原创 机器人导航：代价地图Costmap
机器人实际跑起来时，有两张"代价地图"（全局+局部）在同时工作，它们共享同一份栅格底图，但局部代价地图额外叠加了实时传感器数据。除此之外，还有独立的点云地图（给机械臂用）和语义地图（给任务规划用）。它们都在同一个map坐标系下对齐，但服务于不同的模块。
2026-08-22 16:32:34
187
原创 机器人坐标系：再栅格图和点云图，在机器人行走的过程中，其实并不影响实时的感知避障，只是做全局路径规划用？
栅格图和点云图不只是"建图时用的静态数据"——它们在机器人行走过程中持续参与实时避障。栅格图提供"不能穿墙"的安全底线，点云图（来自 3D 传感器）补充激光雷达的盲区。真正"不影响实时避障"的只有语义地图（货架 ID、商品位置这些高层信息），那是给任务规划用的，不是给避障用的。你之前的理解把"地图"和"实时传感器"完全割裂了，实际上它们是融合在一起变成代价地图，同时服务于全局规划和局部避障的。全局地图 = 栅格层（哪里能走）+ 点云层（精确 3D 几何）+ 语义层（这是什么、怎么用）。
2026-08-22 16:27:30
366
原创 机器人坐标系：那map到底是地图还是坐标系？
map 坐标系是"数学上的全局原点"，map 地图是"贴在这个原点上的环境模型"。它们不是同一个东西，但地图必须绑定在坐标系上才有意义，所以 ROS 用同一个名字。你之前问的"map 到底是地图还是坐标系"——都是，只是看你在哪个层面讨论它。在 TF 树里它是坐标系，在 SLAM 建图里它是地图，在 Nav2 配置里它通常指定坐标系名字。
2026-08-22 16:25:27
333
原创 机器人坐标系中：odom主要是做代价地图用？
odom 不是"主要做代价地图用"的——它是机器人整个系统的"实时运动基准"。代价地图只是它的一个消费者。odom 的核心作用是：给底盘控制、EKF 融合、局部规划提供高频、低延迟、短期精确的位姿反馈。map 负责"全局不漂"，odom 负责"实时不跳"。
2026-08-22 16:23:38
221
原创 机器人坐标系：各坐标系分别是谁在用，会影响谁？
- base_link 是机器人本体的根 --> < link name = " base_link " /> <!-- 激光雷达相对于 base_link 的位置 --> < joint name = " laser_joint " type = " fixed " > < parent link = " base_link " /> < child link = " laser_link " /> <!
2026-08-22 16:22:23
404
原创 快速理解机器人各个坐标系的关系
通常是在 shelf 坐标系（货架坐标系）下定义的# 货架坐标系：X = 沿货架宽度从左到右，Y = 从前到后，Z = 向上# 前排槽位 3 的坐标：slot_3 = {"x": 0.36, # 从货架左边缘向右 36cm"y": 0.05, # 前排深度位置"z": 0.30 # 第一层高度# TF 变换链# 然后 MoveIt2 用 arm_base 坐标系下的目标位姿做运动规划XYZ 方向不是相对于"被操作物体"固定的，而是相对于"坐标系附着的对象"固定的。map 坐标系。
2026-08-22 15:45:57
381
原创 开源office技术栈与组件对比分析
三者都是开源办公方向，但架构完全不同：一个是「现代 Electron + 自研 OOXML + 拼装开源库」，一个是「传统桌面巨型 C++ 套件」，一个是「Web 协同文档服务」。
2026-08-18 16:34:27
278
原创 OSD和视频流接口随机出现net::ERR_CONNECTION_RESET问题分析总结
导致约一半连接被错误网关重置。先去掉 Higress 对宿主机 443 的占用，或把。这不是 32218 前端坏了，也不是前端写死 1235（这个监控页走的是。（11081 上 OSD/FLV 之前测过可。配置冲突也要清理，以免以后再抢端口。，不是 32218 反代本身。——与「不规律出现」完全一致。内核把新连接随机分给两者 →。：RESET 来自它连接的。改到仅 Cilium 的。32218 只负责前端壳；
2026-08-15 13:26:59
244
原创 主流VLA技术实现路线与动作序列关系（总结篇）
│ 1. 控制频率（机器人硬件决定） ││ 2. 轨迹时长（由起止关节距离÷最大速度） ││ 3. Action Chunk 大小（VLA 模型超参） ││ 4. 平滑性约束（五次多项式插值的边界条件） ││ 5. 重规划周期（开环执行多少步后重新推理） │。
2026-08-06 17:58:09
460
原创 位姿估计到动作序列执行中间经过哪些步骤？
6 维目标位姿 → 7 维关节动作序列 = 逆运动学 (IK) 求关节角目标 + 轨迹规划插值出时间序列。IK解决"关节角该是多少"——由于 7DOF 冗余，需要优化准则挑选最优解轨迹规划解决"如何从当前关节角平滑过渡到目标关节角"——多项式插值最常用第 7 维夹爪根据任务阶段单独控制开合在 VLA 系统里，这条流水线可以：① 完全内化到 VLA 网络中（端到端输出关节序列），② 完全在 VLA 外部执行（VLA 只输出 6 维位姿），或 ③ 混合模式（VLA 输出相对关节动作，外部做轻量 IK）
2026-08-06 14:17:57
404
原创 具身模型消融实验总结分析
需要先说清楚一件事：这些消融都是做的，结论有适用范围，不能当成跨场景的铁律——这也是为什么不同论文在某些点上会"打架"。
2026-08-05 15:43:51
302
原创 具身智能主流算法解析（对比图在最后）
如果你们后续要做实时性更强的应用（比如高速装配、动态避障），Flow Matching是DP的自然升级路径，数学形式和扩散最接近，迁移成本最低。ACT在桌面操作、精细操作上验证很多，如果你们未来想降低推理延迟，ACT是一个现实的备选。：只有当你们发现DP的推理延迟真的成了瓶颈（比如要在Jetson上跑实时控制），并且任务复杂度不需要强多峰建模时，ACT才值得认真评估。把视觉、语言、动作统一到一个大模型里，预训练阶段用互联网规模的视觉-语言数据，下游用少量示教微调，得到能理解自然语言指令的操作策略。
2026-07-31 11:59:54
400
原创 “4090显卡隔一断时间就驱动不可用”问题定位分析和解决办法
你的 4090 掉驱动不是玄学，是 Ubuntu 的自动更新机制 + NVIDIA 闭源驱动的电源管理在 4090 这种高功耗卡上的经典冲突。你现在已经用四层防御（GRUB 禁电源管理 + Persistence Mode 常驻驱动 + apt-mark 锁版本 + systemd 屏蔽睡眠）把所有可能的失效路径全部堵死。VLLM 可以 7×24 稳定运行，不用再惦记驱动的事了。
2026-07-30 13:06:04
551
原创 机器人3D可视化方案
ROS/ROS2 生态里 Web 端 3D 可视化已经有一批开源项目可以参考，从"零开发直接用"到"源码级参考自己写"都有，分三层推荐。
2026-07-29 10:14:06
434
原创 Langfuse的4种监控构建方式（从非侵入到侵入）
它提供了一条从"完全侵入"到"完全非侵入"的光谱，你可以按自己的场景挑。——数据总得有人在某个环节采集。
2026-07-28 11:05:42
504
原创 开源VLA和WAM分析
按"大晓系 / 英伟达系 / 开源生态系"三组整理。所有地址都来自官方发布或权威技术报告，并标注了来源可信度，方便你直接复制使用。一、大晓系（ACE Robotics）开源资产🤖 Kairos 3.0 / 3.1 世界模型（WAM 路线）类型 地址GitHub（主仓库） https://github.com/kairos-agi/kairosGitHub（sensenova 推理版） https://github.com/kairos-agi/kairos-sensenova。
2026-07-21 21:41:07
303
原创 Transformer最新小样本学习能力分析
Transformer在少样本、上下文学习（ICL）、多步归纳推理效果极强，但过往理论全部局限单一任务（算术、n-gram），没有统一数学框架解释“模型怎么从少量例子总结通用规律”，业内只能靠调参试错，被称为“玄学”。不在IMIR上的参数会快速衰减、无法形成泛化推理能力。第一次给出通用、统一的数学框架解释Transformer归纳推理，不再局限单一任务，结束“工程能用、理论说不清”的割裂状态；通过IMIR动力学，可提前预判模型少样本推理效果、ICL强弱、会生成哪种推理电路，大幅降低训练、调参试错成本；
2026-07-19 19:40:35
297
原创 UXUI两个开源项目对比分析
两者不是 fork 关系，而是同赛道、不同主轴功能上：open-pencil 赢在Figma 兼容与实时协作；openpencil 赢在AI 编排、Git 友好格式与设计转代码闭环。技术上：open-pencil 是TS/Vue 引擎 + Tauri 壳；openpencil 是Rust 单核多 host（jian/Skia）。场景上：要「替代 Figma 工作流」选；要「Agent 生成 UI 并导出多端代码」选openpencil。
2026-07-17 12:51:10
640
原创 消融实验(Ablation Study)
一句话定义：逐个删掉模型里的某个模块、组件、输入特征，对比性能指标，判断每一部分到底有没有实际贡献，避免“堆模块凑效果”。假如消融发现：动作专家头贡献仅有2%，但占用大量显存，后续就可以裁剪模块，在效果小幅下跌的前提下降低部署与微调硬件门槛。例如你用SmolVLA先跑消融，再上26B的π0.5正式训练，避免大算力做无用功。对比各组指标，就能得出结论：哪块模块是性能核心，哪一部分可以精简删减。消融1：移除Gemma动作专家，直接用视觉特征输出动作。消融4：冻结PaliGemma视觉主干，只微调动作分支。
2026-07-13 08:15:16
329
原创 FurnitureVLA消融实验总结
• 结论：接触状态微小误差会大幅拓宽下一子任务初始状态分布，引发分布漂移，完整任务成功率大幅下跌；对照结论：模型本身能完成单步操作，完整任务失败根源是跨子任务误差累积，而非单个子任务能力不足，反向证明进度模块、切换边界设计的必要性。结果：仅全局微调π0.5基线，仿真平均成功率仅48%，长时序误差累积严重，远低于带进度头的80%。本文FurnitureVLA（子任务拆分+连续进度+撤退切换边界）：平均80%成功率。π0.5 整体单任务微调（无子任务拆分、无进度头）：平均48%成功率；
2026-07-13 08:12:16
235
原创 开源研发项目管理系统对比分析
需求场景推荐工具理由Jira替代方案PlaneStar数最高、功能全面、免费自托管国内企业项目禅道符合国内流程、多版本选择、国产化支持企业级部署界面现代化、功能全面、大企业采用敏捷开发Taiga专注敏捷、界面美观、Scrum/Kanban支持轻量级管理Kanboard极简、部署简单、易于上手高度定制Redmine插件系统强大、完全免费、灵活性高。
2026-07-09 19:43:04
426
原创 华为九大体系-一页速记
前线业务5条：战略→造产品→拓客→卖货回款→售后。后台支撑4条：管钱、供货、管人、控质量。定战略、做计划、经营闭环，保证做对事。营销MTL，回款LTC，售后ITR；一、五大主业务流程（面向客户价值）二、四大支撑保障体系（后台底座）统一财务、成本、资金、利润管控。人才、绩效、干部、获取分享激励。研发/生产/交付全链路质量管控。研发全流程，跨部门造盈利产品。销售、合同、交付、收钱全链路。售后故障、客户投诉闭环服务。采购、生产、物流、库存供货。战略DSTE，产品IPD；财务IFS，供应链ISC；
2026-07-04 14:10:33
338
原创 机器人智能化与自动驾驶的数据要求对比分析
自动驾驶本质上是 Locomotion 的极致形态，它没有 Manipulation，但它把"如何在复杂动态环境中安全移动"这件事做到了物理极限。这也是为什么现在很多具身智能公司（包括 Aether AI）会把自动驾驶作为技术验证场——能搞定自动驾驶的 Locomotion，再做机器人的 Locomotion 就相对容易了。
2026-06-27 10:06:13
504
原创 珞石轮式机器人与SAM-6D技术可行性分析
◦ 无序料箱Bin Picking：官方配套第三方商用3D视觉（梅卡曼德、华睿、跨维），这些厂商用工业级优化ICP、DenseFusion、专用监督6D网络，不是SAM大模型零样本路线；◦ 量产追求高速、稳定、抗反光金属工件、工业严苛环境，SAM-6D基于通用SAM大模型，推理重、反光/透明件精度差、产线连续运行稳定性不足，不适合批量制造业落地。• SAM-6D：零样本无需标注、多未知物体泛化强、推理慢、工业恶劣工况稳定性弱、需要自研代码部署，仅科研小众场景使用。硬件接口全开放，可以自己接入SAM-6D。
2026-06-22 08:59:27
276
原创 codex没有索引上下文会不会比cursor更费token？
Cursor 在 Agent 模式也会累积，但它在 IDE 内可视，你更容易 reset；Codex 在终端里更容易"跑着跑着忘了重置"。→ Read 2000 tokens发现不对 → 再搜 → 再 Read……机制（把历史压缩成 summary），但如果你不主动 compact：。，你会发现"有没有索引"对 token 账单的影响，跟直觉不完全一样。Codex 的 context window 里累积了：。搜索那点开销相对文件内容几乎可以忽略。——不是索引本身省多少，是。，而且跟索引无关——
2026-06-18 10:22:02
565
原创 next drawio界面卡死问题分析
浏览器弹出「页面无响应」或长时间转圈，本质是。在这个项目里，大模型请求期间有几条路径会叠加阻塞，下面按影响和改法说明。
2026-06-10 10:16:32
442
原创 ROS2工作区目录结构分析
ROS 2 的src/目录，本质上不是一个“存放源码的地方”，而是一个“注册源码入口的地方”。不管是真实目录还是符号链接，只要能找到，它就是一等公民。
2026-06-06 14:25:57
487
原创 PaddleOCR在mac上运行时的挂死问题分析
这不是「rec_only 算法不对」，而是；在你们场景里 ocr(det=False)，所以表现为「一用车牌整牌识别就挂死/无输出」。项目里记录的是，仓库里没有 Paddle 官方的单一根因说明。
2026-06-05 12:50:42
487
原创 ECC开源项目分析
一、项目基础定位全称：Agent Harness Performance Optimization System（智能体调度性能优化框架）技术栈：纯 JavaScript 构建，兼容 Node.js / 浏览器双端适配客户端：Claude Code、OpenAI Codex、OpenCode、Cursor 全部主流 AI 代码编辑器插件核心目标：解决 AI 编码智能体三大痛点——上下文溢出、工具调用混乱、安全权限失控、多轮思考低效。
2026-05-30 08:13:25
469
原创 Hermes与opencode全自主配合问题
Hermes全程纯命令行、无任何图形界面，接入OpenCode不靠可视化点击，只有2种官方正统调用模式，绝对不用opencode run：最优生产模式（长期自主开发）：MCP+STDIO 后台服务调用（opencode serve）简易临时模式：Hermes原生delegate_task子代理委派调用一、先讲清楚：3种OpenCode命令到底区别opencode：交互式聊天，会疯狂确认、反问，不能被Hermes调用。
2026-04-30 07:56:39
1768
原创 无人机视角目标检测数据集
优先级数据集适用场景⭐⭐⭐⭐⭐VisDrone通用目标检测，最推荐⭐⭐⭐⭐UAVDT车辆检测⭐⭐⭐无人机视角航空目标检测数据集飞机/船舶/车辆⭐⭐⭐多类别，YOLO格式以上数据集均为从无人机/高空拍摄的地面目标，符合您的需求。建议从VisDrone开始，这是目前学术界和工业界使用最广泛的无人机视角目标检测数据集。
2026-04-21 11:37:46
1302
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人