- 博客(921)
- 资源 (9)
- 收藏
- 关注
RSS订阅
原创 具身智能操作知识梳理与拓展
NPY: NumPy原生格式，存储单个数组或字典TFDS: TensorFlow Datasets格式，用于TensorFlow生态系统RLDS: Robotics Language-conditioned Dataset，机器人任务数据集HDF5: 分层数据格式，支持大型复杂结构化数据。
2025-04-23 13:54:52
6627
1
转载 强化学习的几个主要方法（策略梯度、PPO、REINFORCE实现等）---下
策略梯度算法在理想情况下，在采样次数足够多的情况下效果是能很不错的，但是当采样不够时就会出现一些问题，例如GtG_tGt的取值是很不稳定的，下图可以形象说明：由于GtG_tGt的取值不稳定，所以(st,at)(s_t, a_t)(st,at)更新也不稳定。由于GGG的值有点太不稳定太玄学了，因此我们可以想办法去用一个神经网络去预测在sss状态下采取行动aaa时对应的GGG期望值，之后再训练中我们就直接用这个期望值去替代采样的值。为了完成这个目的，我们可以使用基于价值的方法深度Q网络，深度Q网络有两种
2025-01-22 15:23:34
5542
转载 强化学习的几个主要方法（策略梯度、PPO、REINFORCE实现等）---上
策略梯度算法在理想情况下，在采样次数足够多的情况下效果是能很不错的，但是当采样不够时就会出现一些问题，例如GtG_tGt的取值是很不稳定的，下图可以形象说明：由于GtG_tGt的取值不稳定，所以(st,at)(s_t, a_t)(st,at)更新也不稳定。由于GGG的值有点太不稳定太玄学了，因此我们可以想办法去用一个神经网络去预测在sss状态下采取行动aaa时对应的GGG期望值，之后再训练中我们就直接用这个期望值去替代采样的值。为了完成这个目的，我们可以使用基于价值的方法深度Q网络，深度Q网络有两种
2025-01-22 15:21:31
5509
转载 看完这篇文章，我终于搞懂了 CMake，真香！(高级篇补充)
不要硬编码路径用相对路径，让用户通过文件会安装到和。更灵活，无需管理员权限，跨平台也好用！如果有一些头文件没有实现（比如接口、纯抽象类），可以用INTERFACE接口库（INTERFACE）用于配置一些公共的链接和编译选项，小型项目可能用得少，大型项目常见。CMake 是个强大的工具，但要用得好，还是需要一些技巧和经验。包管理和安装配置：重点是让你的库好用、易装。
2025-01-10 18:25:58
8102
转载 聊聊端到端自动驾驶通用感知架构的前世今生
这张图演示的是相关方法的演进。这其中大部分都是基于BEV的方法，上图就是BEV-based相关方法的相关演进, 用某种方式将图像视角特征转到BEV特征空间，也就是一个高度方向拍扁的自车3D坐标系空间下，再用一个检测的Head实现目标检测。BEV这张图的尺寸通常比较大，比如一般常见的论文里面会用128×128 size，但在实际中，我们甚至会用两倍大小的BEV特征图。从图像特征空间向BEV层空间转换过程，是一个非常密集的计算过程。
2024-10-23 10:33:10
5196
转载 空间坐标（系）如何进行变换？
要描述某一物体在现实场景的位置，通常以三维空间坐标系下的坐标进行说明，当物体位置或自身进行变化时，可以用放射变换说明物体的变化情况。根据现实情况，坐标系和物体可以相互描述，即二维平面坐标（系）变换的情况包括一个二维平面坐标系描述一个物体（坐标）变换情况和一个物体（坐标）在两个二维平面坐标系间的变换情况。根据现实情况，坐标系和物体可以相互描述，即三维空间坐标（系）变换的情况包括一个三维空间坐标系描述一个物体（坐标）变换情况和一个物体（坐标）在两个三维空间坐标系间的变换情况。[3] 你不来我不老.
2024-09-04 10:45:26
2482
原创 Clion 使用
默认情况下，CLion编译使用的CMake是其内置的一个版本，而使用这个版本的CMake进行编译时会报出一些莫名其妙的错误，命令行中catkin_make明明可以正常编译，而这里就是会失败。回到一开始的"Threads & Variables"窗口，左上角有一些控制按钮，从左到右依次是：Rerun（Ctrl+F5），Stop（Ctrl+F2），Resume（F9），Pause（暂时用不上），Step Over（F8），Step Into（F9），Step Out（Shift+F8）。
2024-08-31 16:21:38
11224
转载 IMU preintegration on manifold 学习笔记（一）
Posted on 2023-02-18 Edited on 2024-07-11 In vslam Views:ω∧=[ω_1ω_2ω_3]∧=[0−ω_3ω_2ω_30−ω_1−ω_2ω_10]=WW∨=[0−ω_3ω_2ω_30−ω_1−ω_2ω_10]∨=[ω_1ω_2ω_3]=ω\mathbf{\omega}^{\wedge}=\begin{bmatrix}\omega\_1\\ \omega\_2\\ \omega\_3\end{bmatrix}^{\wedge}=\begin{bmatrix}
2024-07-12 12:10:41
3826
原创 CMakeList整理大全
之前我们也整理过。但是这里面整理的内容其实是不全的。所以我们需要进一步将CMake的使用整理好。以供后面的学习的工程师来检索查询。
2024-04-29 14:41:26
19691
原创 C++ CPU程序占用率高问题排查
我们在之前介绍了使用Valgrind、perf、AddressSanitzer等工具来完成内存泄漏的检测，当然内存泄漏以外还有cpu的占用率变高这类问题。作者在这里提供几个方法来对C++程序中CPU程序占用率高问题排查。
2023-12-29 13:14:36
9225
转载 Linux中.a、.so和.o文件以及-I，-L，LIBRARY_PATH，LD_LIBRARY_PATH等
(3) 修改/etc/ld.so.conf文件，把库所在的路径加到文件末尾(直接写在文件末尾，不要在路径前加include)，并执行ldconfig刷新（ldconfig 命令的用途,主要是在默认搜寻目录(/lib和/usr/lib)以及动态库配置文件/etc/ld.so.conf内所列的目录下,搜索出可共享的动态链接库(格式如前介绍,lib*.so*),进而创建出动态装入程序(ld.so)所需的连接和缓存文件.缓存文件默认为/etc/ld.so.cache,此文件保存已排好序的动态链接库名字列表.）。
2023-08-16 17:14:24
4005
原创 SLAM本质剖析番外-李群李代数的微分和导数
这几个月，博主已经从SLAM算法的使用向着算法的数学推导进行了记录和分享，之前也分享了一文，从现象中解释了李群和李代数表达的含义。但是这还不够，所以这次作者作为SLAM本质剖析的番外，来介绍李群李代数的微分和导数。
2023-01-16 16:10:19
11563
2
转载 undefined symbol问题的查找、定位与解决方法
而这块可以看到fpdf_parse_encrypt是依赖于下边的fx_crypt文件的，再看静态库，fpdf_parse_encrypt被编译成fpdfapi.a，而fx_crypt被编译进pdrm.a静态库，所以应该是fpdfapi.a要依赖于pdrm.a静态库的。ldd命令，可以查看对应的可执行文件或库文件依赖哪些库，但可执行文件或库文件要求与操作系统的编译器类型相同，即电脑是X86的GCC编译器，那么无法通过ldd命令查看ARM交叉编译器编译出来的可执行文件或库文件。
2022-12-14 14:53:39
11377
4
原创 自动驾驶-激光雷达预处理/特征提取
激光雷达作为自动驾驶最常用的传感器，经常需要使用激光雷达来做建图、定位和感知等任务。而这时候使用降低点云规模的预处理方法，可以能够去除无关区域的点以及降低点云规模。并能够给后续的PCL点云分割带来有效的收益。
2022-08-24 21:12:44
5126
2
原创 C++之生成器(builder)模式
0. 简介生成器是一种创建型设计模式， 当构建一个复杂对象时，将构建过程与表示分离。使得同样的过程创建不同的对象。生成器与其他创建型模式不同， 生成器不要求产品拥有通用接口。 这使得用相同的创建过程生成不同的产品成为可能。生成器方法通常支持方法链 （例如 someBuilder->setValueA(1)->setValueB(2)->create() ），来组成复杂的对象。相比于工厂模式专门用于生产一系列相关对象而言，生成器重点关注如何分步生成复杂对象。1. 生成器UML介绍生
2022-03-07 10:38:52
9803
4
原创 C++命名规则&书写规范
常见命名法：匈牙利命名法：基本原则是：变量名＝属性＋类型＋对象描述\color{blue}{变量名＝属性＋类型＋对象描述}变量名＝属性＋类型＋对象描述，其中每一对象的名称都要求有明确含义，可以取对象名字全称或名字的一部分。命名要基于容易记忆容易理解的原则。保证名字的连贯性是非常重要的。Camel命名法：即骆驼式命名法，原因是采用该命名法的名称看起来就像骆驼的驼峰一样高低起伏。Camel命名法有两种形式：混合使用大小写字母和单词之间加下划线\color{blue}{混合使用大小写字母和单词之间加下划线}混
2021-05-12 10:42:19
6222
2
转载 Zen of Vibe Coding: 最佳实践 I
本文分享了作者在AI Coding方面的实践经验，主要包括三个方面：1）维护Tech Context，通过建立技术上下文帮助AI理解开发方向；2）基于自然语言编程范式，通过与LLM对话生成设计文档作为编码基础；3）区分Project-Level和Feature-Level问题，前者通过AI完成整体设计开发，后者则保持人工参与以确保理解细节。作者强调构建个人技术上下文的重要性，认为这能帮助AI更好地与开发者对齐，同时也能积累技术复利。此外，文章还简要对比了Codex和Claude Code的不同适用场景。
2025-11-20 15:03:52
53
转载 LLM强化学习算法演进之路：Q-Learning-＞DQN-＞PPO-＞DPO等
本文系统梳理了强化学习的主要方法，包括基于价值的MC、TD、SARSA、Q-learning、DQN等方法，以及基于策略的PG、AC、PPO等方法。基于价值的方法通过Q值和V值评估状态动作对，而基于策略的方法直接优化策略函数。文章详细对比了各类方法的优缺点，如MC需要完整回合而TD可增量更新，Q-learning只能处理离散空间而DQN引入神经网络解决连续问题。通过算法公式和代码示例(如DQN、PG、PPO等)，阐述了强化学习从理论到实现的完整框架，为不同场景下的方法选择提供了参考依据。
2025-11-12 10:27:39
153
原创 高效神经地图表示的蒙特卡罗定位（ENM-MCL）代码详解
ENM-MCL提出了一种创新的室内机器人定位方法，通过高效神经地图(ENM)和蒙特卡罗定位(MCL)的结合，解决了传统方法的局限性。ENM采用特征网格和轻量级神经网络，能够高效预测SDF和PSDF值。相比传统占用栅格地图，该方法具有更低的内存占用量和更高的精度，在室内定位任务中展现出优越性能。实验表明，ENM-MCL在定位精度和计算效率方面均优于现有方法，为机器人导航提供了更可靠的解决方案。
2025-11-10 13:53:03
1563
原创 从扩散模型到流匹配：π_RL如何突破视觉-语言-动作模型的强化学习困境
OpenAI的o1模型通过强化推理阶段算力提升逻辑能力，融合了蒙特卡洛树搜索(MCTS)、扩散模型和强化学习等技术。微软开源的rStar项目展示了MCTS在小语言模型中的纯推理优化应用，通过五种思维路径(A1-A5)构建搜索树：步步推理(A1)、一步到位(A2)、子问题分解(A3)、重新回答(A4)和问题改写(A5)。该框架将人类思维模式转化为prompt模板，在推理时通过搜索算法动态选择最优路径，避免依赖大规模标注数据，实现了"以算力换标注"的创新思路。这种技术路径为自然语言处理提供了
2025-11-10 13:52:44
1626
原创 Learning to Drive Anywhere with Model-Based Reannotation (MBRA) 项目精读
摘要： UC Berkeley等研究团队提出MBRA框架，通过两步方法解决视觉导航训练数据不足问题。首先训练短视域专家模型MBRA（基于ExAug_dist_delay架构），利用其重新标注众包和YouTube视频等低质量数据；然后将生成的优化动作标签用于训练长视域导航策略LogoNav。该框架包含观测编码器、目标编码器和动作预测组件，通过几何损失等优化实现300米级稳健导航。代码采用模块化设计，分为训练和部署两大模块，支持ROS等实际应用场景。MBRA突破了传统模仿学习对高质量标注数据的依赖，显著提升了导
2025-11-10 13:52:12
1738
原创 使用 Docker 和 Docker Compose 安装与运行 ROS 2 CUDA教程
本文介绍如何使用Docker快速搭建ROS 2 Humble开发环境，特别包含CUDA 11.8支持。主要内容包括：1) Docker和Docker Compose的基本概念与区别；2) 准备工作如安装Docker和NVIDIA支持；3) 详细解析Dockerfile内容，包括ROS 2基础镜像、CUDA和cuDNN安装配置。通过容器化方案，可避免本地环境配置问题，实现高效的ROS 2开发，尤其适合需要GPU加速的计算任务。文章提供了完整的配置文件和安装步骤，帮助开发者快速搭建开发环境。
2025-11-10 13:51:51
1907
原创 基于deepwiki来分析VLFM，到真实世界的代码功能提高
摘要 本文详细介绍了将VLFM（Visual Language Frontier Maps）机器人导航系统从模拟环境迁移到真实机器人平台的技术实现。VLFM系统通过结合视觉语言处理与边界探索策略实现零样本物体导航。文章分析了系统架构（包含视觉语言模型接口、导航策略等模块），对比了模拟与实机环境的数据流差异，并重点探讨了传感器数据处理和机器人控制接口两大核心挑战。解决方案包括使用ZoeDepth模型进行深度估计、添加安全检查和动作平滑处理等关键技术。文章提供了详细的代码示例，帮助开发者理解如何将这套复杂系统适
2025-11-10 13:51:34
1316
原创 WorldVLA：让AI真正理解世界的统一框架
摘要：阿里巴巴达摩院、湖畔实验室和浙江大学联合提出WorldVLA框架（arXiv:2506.21539），这是一个突破性的统一架构，在单一模型中实现了动作与图像的理解和生成能力。该框架采用三位一体的分词器设计，将图像、文本和动作统一编码到同一离散token空间，并创新性地设计了注意力掩码机制，有效解决了动作生成中的错误传播问题。在LIBERO基准测试中，WorldVLA平均成功率高达81.8%，显著优于主流基线模型。相关代码已在GitHub开源。这项研究为具身智能领域开辟了新方向，展示了统一建模范式的巨大
2025-11-10 13:51:12
1629
原创 AnyVP*：企业级远程办公SSL深度技术解析
在数字化转型浪潮推动下，远程办公已从应急措施转变为企业运营的常态化模式。据调研机构统计，超过80%的企业已将远程办公纳入长期发展战略，而网络安全成为实现这一目标的关键技术保障。SSL VPN作为新一代远程访问技术，凭借其易部署、高安全性和良好用户体验的特点，正在逐步取代传统的IPSec VPN解决方案。AnyVPN基于现代SSL VPN架构设计，提供了一套完整的企业级远程办公安全接入解决方案。
2025-11-10 13:50:54
1664
原创 VCoT-Grasp: 基于视觉思维链推理的语言驱动抓取基础模型
西安交通大学团队提出VCoT-Grasp模型，通过视觉思维链推理实现语言驱动的机器人抓取。该模型采用两阶段处理范式：首先识别目标物体并预测边界框，然后基于局部图像生成精确抓取姿态。相较于传统卷积网络和多模态融合方法，VCoT-Grasp能更精准理解自然语言指令，实现可解释推理。模型基于PaliGemma2-3B构建，包含图像编码器、视觉投影器、语言模型和动作头四部分，支持端到端训练。实验表明，该方法在新场景和未见物体上具有更强的泛化能力。
2025-11-10 13:50:13
2253
原创 从NavSpace来探讨导航智能体的空间智能基准
NavSpace：导航智能体的空间智能评估基准 北京大学CFCS团队联合上海人工智能实验室提出了NavSpace基准测试，填补了导航智能体空间智能评估的空白。该研究通过问卷调研确定了垂直感知、精确移动、视角转换等六大核心空间智能类别。基于Habitat 3.0模拟器构建的数据采集平台采用人机协作模式，利用GPT-4o辅助生成指令并严格人工验证，确保了数据质量。通过评估22种导航智能体，研究发现当前模型在精确空间度量和复杂空间推理方面存在显著不足，而结合大语言模型的方法在部分任务上展现优势。NavSpace不
2025-11-10 13:49:51
2003
原创 VLAC: 面向真实世界机器人强化学习的视觉-语言-动作-评判模型
视觉-语言-动作模型VLAC通过统一架构实现高效的具身控制与自主学习。该模型创新性地采用成对进度评估机制，能够在任意状态转移中提供密集的进度信号，解决了传统强化学习中的稀疏奖励问题。基于4200+小时的多源数据训练，VLAC展现出优异的零样本和少样本泛化能力：在未见过的机器人平台和任务中，仅需200次真实交互即可将操作成功率从30%提升至90%以上。模型通过精细的提示工程和多模态融合，将通用的视觉语言理解能力转化为可执行的动作策略，为具身智能的规模化应用提供了新路径。
2025-11-10 13:49:17
1467
原创 一文详解WBC计算与具体使用操作
摘要：本文介绍了WBC（Whole-Body Control）控制器在足式机器人中的应用，重点推导了其数学公式和实现原理。文章首先概述了无优先级控制方案，包括末端期望坐标和雅可比矩阵求解；随后详细讲解了带优先级的控制方案，分析任务分解和零空间方法。核心内容包括多任务运动学控制方法，以及WBC公式的详细推导过程，特别是基于伪逆矩阵和零空间的冗余控制策略。最后通过机械臂控制示例，展示了如何通过优先级划分实现多任务协调控制。
2025-10-27 20:30:11
1998
原创 Blender + MCP 全流程详细图文教程
本文介绍了如何配置AI驱动的3D建模工作流，主要内容包括：1) 安装Blender和MCP插件；2) 配置Claude/Cursor等AI工具与Blender通信；3) 通过自然语言指令实现AI辅助建模；4) 将模型导出为STL格式并导入Gazebo仿真环境。该方案利用AI工具解析用户需求，自动生成Blender操作指令，简化3D建模流程，适用于快速原型设计。完整配置涉及环境准备、插件安装、服务启动及模型导出等多个步骤。
2025-10-27 20:29:36
1910
原创 轻量级端到端多模态自动驾驶模型详解
LightEMMA是一种轻量级端到端多模态自动驾驶模型，整合了最新的视觉-语言模型(VLMs)技术。该模型提供了开源框架，支持12种商用和开源VLM的快速集成与评估，通过链式思考提示策略实现"场景描述-驾驶意图-航路点预测"的推理流程。核心创新包括：1)统一框架可无缝接入各类VLMs；2)优化计算效率；3)在nuScenes数据集上验证了不同模型的表现。相比传统方法，LightEMMA展现了VLM在自动驾驶中的潜力，特别是OpenDriveVLA等开源模型在多模态理解和轨迹规划上的优势，
2025-10-27 20:29:09
1725
原创 GPU函数调用分析与可视化火焰图工具
本文介绍了GPU性能分析工具NVIDIA Nsight，包括Nsight Systems和Nsight Compute的主要功能及使用方法。Nsight Systems提供系统级分析、时间轴视图和API跟踪，支持生成.qdrep报告文件；Nsight Compute则针对Kernel函数进行详细分析。文章还列出了常用参数配置和示例命令，帮助用户快速上手GPU性能优化。适用于深度学习推理系统等GPU密集型应用的性能调优场景。
2025-10-27 20:28:47
2050
原创 选取ToddlerBot作为第一台仿人机器人平台
ToddlerBot是一个开源的、与机器学习兼容的仿人机器人平台，由斯坦福大学设计团队开发。它以低成本、高灵活性著称，专为高效收集大规模、高质量的训练数据而设计，可同时应用于模拟环境和现实世界。✅ 30个精密自由度 - 媲美顶级实验室的全身运动能力✅ 零样本策略迁移 - 数字孪生技术打破Sim2Real魔咒✅ 模仿学习与强化学习 - 为AI研究提供理想平台。
2025-10-27 20:28:15
1887
原创 VLFM视觉语言基础模型使用指南
摘要 VLFM是一个先进的视觉-语言基础模型，专为机器人导航和交互设计。它整合了GroundingDINO、MobileSAM、YOLOv7等模型，支持自然语言指令理解、视觉场景分析和任务执行。环境配置包括conda环境搭建、Habitat-Sim仿真系统安装、Matterport3D数据集下载，以及模型权重文件的获取。该模型既可在Habitat仿真环境中测试，也可部署到实体机器人上，为机器人提供了强大的视觉-语言交互能力。
2025-10-27 20:27:46
1862
原创 经典文献阅读之--UniScene(统一的以占用为中心的驾驶场景生成)
本文提出UniScene，首个统一生成驾驶场景中语义占用、视频和激光雷达数据的框架。UniScene采用层次化生成范式：首先基于BEV布局生成语义占用作为中间表示，再通过两种创新策略（基于高斯的联合渲染和先验引导的稀疏建模）分别生成视频和激光雷达数据。实验表明，该方法在各项任务中均优于现有技术，且生成的数据能显著提升下游任务性能。UniScene实现了对复杂驾驶场景的高保真、可控生成，为自动驾驶数据合成提供了新思路。
2025-10-22 14:15:13
624
原创 Paper2Code----无痛从科学论文到代码实现
【摘要】韩国科学技术院与DeepAuto.ai联合开发的Paper2Code框架采用多Agent大语言模型技术，实现了从机器学习论文到可运行代码的自动化转换。该框架通过规划、分析和代码生成三阶段流程，解决了科研复现难题（仅21%论文提供完整代码）。实验表明，其生成代码在ICML等顶会论文上正确性得分达3.7-4.7分，77%用户认为最适合复现研究，代码修改率仅0.48%。Paper2Code显著提升了科研效率，支持快速安装使用（OpenAI API调用），为科研自动化提供了创新解决方案。
2025-10-15 18:38:07
1802
原创 robot_lab之robot_lab篇------issac lab时代适合四足的强化学习框架
机器人强化学习控制框架摘要 本文介绍了一个基于Isaac Lab的机器人强化学习扩展库robot_lab，主要用于训练四足、轮式和人形机器人的运动控制能力。项目采用模块化设计，包含场景配置、MDP组件(奖励函数、命令生成、观察空间等)、课程学习和强化学习算法配置。核心功能包括： 环境配置：支持平坦/粗糙地形，可配置物理属性和视觉材料 奖励机制：包含速度跟踪、步态优化、姿态稳定等多目标奖励函数 训练流程：提供PPO算法配置和课程学习策略，支持从简单到复杂的渐进式训练 机器人支持：特别针对Unitree B2W
2025-10-15 18:37:42
2240
原创 BEV感知实战记录
本文介绍了BEV（鸟瞰视角）下的多传感器融合方法，重点分析了三种主流投影技术：IPM、LSS和BevFormer。IPM通过逆透视变换消除透视畸变，适合动态场景但复杂场景精度有限；LSS通过线段分割保留几何信息，适用于结构化环境；BevFormer结合深度学习与多传感器数据，精度高但计算复杂。文章还梳理了LSS方法的发展脉络，包括CaDNN、BEVDET系列、M2BEV、BEVFusion和FastBEV等技术，并简要提及了DETR3D和PETR等基于Transformer的检测方法。最后介绍了Nuscen
2025-10-15 18:37:21
2972
原创 机器人开源项目分类与rsl-rl学习指南
具身智能与机器人控制学习路线 本文梳理了机器人控制领域的学习资源与项目，重点介绍了四足机器人、轮腿机器人和人形机器人三大类别的典型项目。基于强化学习和MPC的控制方法，推荐了从入门到高级的学习路径，包括： 四足机器人：推荐rl-mpc-locomotion和ABS项目作为入门 轮腿机器人：Wheel-Legged-Gym适合初学者 人形机器人：humanoid-gym和FLD项目适合进阶学习 特别强调rsl_rl框架的核心地位，分析了智元x1项目的代码结构，详细解读了其ActorCriticDH强化学习算法
2025-10-15 18:37:00
2287
原创 robot_lab之scripts篇------issac lab时代适合四足的强化学习框架
摘要 robot_lab是一个基于IsaacLab的机器人强化学习扩展库，提供独立开发环境。核心功能包括： 模块化架构： 支持多种机器人类型（四足/轮式/人形） 包含完整的MDP组件（奖励函数、命令生成、观测空间等） 提供课程学习机制 主要特性： 内置Unitree和FFTAI系列机器人配置 集成AMP工具和RSL RL框架 支持实时控制演示和模型导出 优势： 独立于IsaacLab核心代码库开发 提供丰富的强化学习训练组件 包含实用工具脚本（URDF转换、批量训练等） 该库适用于机器人运动控制研究，特别适
2025-10-15 18:36:35
2064
ROS 导航功能调优指南∗.pdf
2022-01-07
小觅摄像头Opencv处理
2019-07-06
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人