- 博客(4)
- 收藏
- 关注
RSS订阅原创 跑通当前最强 RoboChallenge 开源具身 VLA 模型 Spirit v1.5 踩坑
按 README 跑通 Spirit 期间踩到的 6 个 bug，每个详情链接到仓库一句话总结层1把 device 写死"cuda"导致 21GB fp32 直接撞 24GB 显存加载2的state_proj要求 bf16 但 state 是 fp32dtype3Image cast 成 bf16 后跑挂——numpy<2.1 不支持 bf16dtype4硬编码dtype5DiT 内部某中间层隐式返回 fp32 → autocast 兜底dtype6推理输出。
2026-05-13 10:40:23
692
原创 4 篇 VLA 论文 review：RT-1 / RT-2（Google 闭源派）、Octo（学术开源）、OpenVLA（开源 SOTA）
具身智能经典 VLA（Vision-Language-Action）这条主线一文读懂——RT-1 / RT-2（Google 闭源派）、Octo（学术开源）、OpenVLA（开源 SOTA）。这篇是我读完 4 篇后的"打分总结"。每篇我会给：一句话讲它真正做了什么亮点/槽点（5 星制）复现门槛（5 星制，越多星越易复现）总分（10 分制）声明：以下评论只代表我个人作为读者的判断。打低分不代表论文不好——它们都是各自时代的重要工作。但学术界存在的"营销化"倾向值得我们读者保持清醒。
2026-05-12 10:12:41
556
原创 用bp神经网络实现单目测距（训练教程+推理程序+exe实现）
经过目标检测算法之后我们得到的一般是目标框左上角坐标以及宽高(x1,y1,w,h),当同一目标物纵向距离固定时，其目标框的大小也就固定了，横向距离只会影响左上角的坐标。在单目相机中目标检测有着众多的开源算法，但是只是检测到物体在图像中的位置是不够的，实际应用中需要得到的一般是实际物体离相机的距离，这样的话就可以实际应用到项目中了。复制input到output参数，粘贴到以下编写好的推理程序中并替换同名变量(下面程序中变量是我根据自己数据训练出的权重参数）1.打开终端下载Pyinstaller工具。
2023-04-13 18:42:51
884
1
原创 ORIN ubuntu20.04解析编译视觉遇到的问题解决方法
报的是CMakeCache.txt文件里路径不对，这里我把视觉文件和socket_can单独拿出来编译，其他文件删除就好了。大功告成（其实另一种在docker拉取镜像方法更快，今天和一位大佬（郝总）整出来了，zmq定位也是大佬整的）果然不出所料再次报错，catkin_pkg找不到，又是ubuntu20的环境问题，解决方法如下。显示找不到empy包，经过搜寻发现是anaconda3环境冲突，解决方法如下。6.继续编译，orin报编译错误，另一台ubuntu20电脑报zmq错误。2.然后再去编译视觉文件。
2023-03-24 20:35:42
377
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