丁兰子-优快云博客

原创如何读学术代码

本项目旨在解决[具体问题，如“小样本图像分类精度低”]，基于Docker构建稳定运行环境（requirements/Dockerfile），通过main.py启动训练流程。配置文件config.yaml定义模型架构、数据路径及超参数。输入数据为标准化图像/文本格式，核心算法位于model/core.py，创新点在于[如“自适应注意力机制”]。输出结果由eval.py生成，采用[如准确率、F1值]等指标评估性能。

2026-10-21 11:06:38 206

原创 WALL-OSS 模型详解

WALL是一款基于FlowMatching的多模态连续动作生成模型，通过三视角图像与文本指令输入，结合动作归一化、相对动作预测、线性插值加噪、Beta时间采样及Transformer偏移预测等机制，实现高精度机器人操作。其核心创新在于以向量场为训练目标，采用单步EulerODE求解，兼顾效率与性能，适用于夹取等复杂任务，显著提升动作稳定性与泛化能力。

2026-10-08 08:17:19 278

原创 VoxPoser 模型详解

VoxPoser由CMU/Stanford提出，基于LLM+视觉模型+MPC的3D任务规划框架。其核心流程为：通过深度图与相机位姿构建3D体素地图（公式1），由LLM将语言指令转化为价值函数与约束函数代码（公式2、5），生成3D价值图（公式3）并结合约束进行带约束MPC优化（公式6），输出安全且高效的连续动作序列（公式4、7）。该模型无需机器人训练数据，具备强零样本泛化能力，可解释性强，适用于复杂场景下的自主操作。

2026-10-08 08:17:02 154

原创 RT-2 模型详解

RT-2（RoboticTransformer2）是由Google DeepMind提出的多模态机器人模型，基于Vision-Language-Action架构，采用Transformer与LLM（如PaLM）结合，通过ViT将图像编码为Token，动作离散化后与文本、图像Token融合，输入LLM进行序列预测。模型利用模仿学习训练，输出动作Token并经反量化生成连续控制指令，实现端到端的视觉-语言-动作决策。其核心创新在于统一多模态输入与离散动作表示，提升机器人在复杂任务中的泛化能力。

2026-10-08 08:15:45 323

原创 RoboCat 模型详解

├──→ Transformer ──→ 动作Head。输入图像 ──→ Vision Encoder ──┐。文本/语言 ──→ Text Encoder ───┘。**foundation model 研究**动作Head ──→ 离散动作Token。Google DeepMind 技术验证。：强调泛化能力，VLM-based。RoboCat 模型详解。类似于视觉领域的 GPT。少量目标任务数据即可微调。：强调快速适配，自监督。：仍是离散 Token。机器人基础模型能力探索。可以快速微调到新任务。

2026-10-08 08:15:24 119

原创 Palm-E 模型详解

Palm-E是Google DeepMind推出的具身多模态大模型，融合PaLM语言模型、ViT视觉编码器与机器人状态，实现从文本指令、图像和状态输入到动作序列的端到端生成。其核心优势在于强推理能力与多模态融合，适用于复杂推理、长期任务规划等场景。相比RT-2，Palm-E支持机器人自身状态输入，具备更强泛化性，但依赖高端硬件与大规模训练资源，且模型未公开。适合需深度语义理解与多步决策的具身AI研究。

2026-10-08 08:14:53 239

原创 OpenVLA 模型详解

OpenVLA是斯坦福与伯克利联合推出的开源视觉-语言-动作模型，基于Llama2/3架构，采用7B参数规模。通过SigLIP图像编码器将224×224图像转为256个语义token，结合文本嵌入实现多模态融合，经LLM推理后输出256类离散动作Token，再通过查表解码为连续控制指令。模型采用模仿学习，结合动作与语言双重损失，实现端到端的机器人操作。相比RT-2，其优势在于完全开源、256级动作量化与更强的通用性。

2026-09-30 17:02:26 158

原创 OpenVLA 模型详解

OpenVLA是斯坦福与伯克利联合推出的开源视觉-语言-动作模型，基于Llama2/3架构，采用7B参数规模。通过SigLIP图像编码器将224×224图像转为256个语义token，结合文本嵌入实现多模态融合，经LLM推理后输出256类离散动作Token，再通过查表解码为连续控制指令。模型采用模仿学习，结合动作与语言双重损失，实现端到端的机器人操作。相比RT-2，其优势在于完全开源、256级动作量化与更强的通用性。

2026-09-30 17:01:51 197

原创 OpenVLA 模型详解

OpenVLA是斯坦福与伯克利联合推出的开源视觉-语言-动作模型，基于Llama2/3架构，采用7B参数规模。通过SigLIP图像编码器将224×224图像转为256个语义token，结合文本嵌入实现多模态融合，经LLM推理后输出256类离散动作Token，再通过查表解码为连续控制指令。模型采用模仿学习，结合动作与语言双重损失，实现端到端的机器人操作。相比RT-2，其优势在于完全开源、256级动作量化与更强的通用性。

2026-09-30 17:00:37 197

原创 GR00T 模型详解

GR00T是由Figure AI与NVIDIA联合推出的通用机器人模型，基于Transformer架构，融合多视角视觉、文本指令与机器人状态，通过模仿学习与规模扩展实现端到端控制。其核心创新在于多模态Token融合与动作嵌入解码机制，支持复杂指令与跨形态适配（LoRA），可高效迁移到不同机器人平台，显著提升泛化能力与执行精度。

2026-09-30 16:59:47 147

原创 ALOHA 模型详解

ALOHA是一种基于Transformer的连续动作块预测模型，采用模仿学习训练，通过双目视觉与机器人状态融合输入，利用Transformer编码器建模历史上下文，解码器预测未来多步连续动作。结合动作混合与滚动执行策略，实现平滑、连贯的机器人控制，适用于复杂双臂协作任务。

2026-09-30 16:52:24 166

原创钱包：3数据库设计及钱包核心

derivation_path String 派生路径如 m/44'/60'/0'/0/0。chain_id Integer 链ID 如 1(ETH), 56(BSC)asset_id UUID 资产ID 关联 assets 表。wallet_type Enum 钱包类型托管/非托管/多签。如果是托管钱包，这里存储加密后的种子或私钥分片。//典型derivation_path: m/44`/60`/0`/0。

2026-07-16 20:14:18 248

原创钱包：2 技术方案分析

*技术方案** EVM(secp256k1)--ethers/viem。**技术方案** EIP-1193(window.ethereum)**库** @scure/bip39, @scure/bip32。**技术方案** RPC Provider抽象层。**技术方案** BIP39 + BIP44。**用途** 记词生成, HD钱包派生。web、app、浏览器插件、桌面端。**核心功能** 签名流程管理。**本质** JSON-RPC。**核心功能** 密钥管理。**交易模块最小职责**

2026-07-16 20:01:26 151

原创钱包：业务线

├── Token余额同步 ↓。用户行为 -> 业务主链 -> 数据流 -> 瓶颈 -> 模块拆分。第三条业务线：连接 DApp -- DApp连接系统。多链差异巨大 -- Chain Adapter。第一条业务线：查看资产 -- 资产同步系统。DApp请求频繁 -- Provider层。第二条业务线：使用资产 -- 交易系统。三个业务线都依赖--账户身份。资产同步太慢 -- 异步任务。谁产生数据、谁消费数据。

2026-07-16 19:57:46 162

原创推荐系统：FunRec 系统

（给nearline和offline收集到的数据打分，排序）返回推荐内容给。（收集nearline的数据与打分结果后，用算法过滤数据）调用。

2025-06-17 19:42:11 496

原创 JAVA：VMWare虚拟机-理解Linux的三种网络配置（1）

桥接模式：虚拟机和宿主机都在同一个局域网中，像两台独立的电脑，虚拟机能访问外网。NAT模式：虚拟机通过宿主机上网，类似于宿主机做“网关”。仅主机模式：虚拟机只能跟宿主机通信，不能访问外网，其他设备也看不到它。

2024-09-17 10:53:51 1094

原创 JAVA：Nginx（轻量级的Web服务器、反向代理服务器）--（1）

C10K 问题就是服务器如何应对大规模的同时访问问题。NGINX 的“少量工作者处理大量请求，一个牛马干更多的活”的设计，使得它能够高效应对高并发，成为了应对 C10K 问题的典型解决方案。

2024-09-15 09:32:49 1385

原创 LINUX：错误“Could not resolve host: mirrors.aliyun.com； Unknown error“

前提：使用SSH连接虚拟机操作系统镜像版本：CentOS-7-x86_64-Minimal-2207-02错误该错误产生的原因：DNS 服务器配置系统无法解析域名or。

2024-07-31 08:14:04 4164

原创 JAVA:错误org.apache.shiro.UnavailableSecurityManagerException:

如果你以编程方式配置 Shiro，请确保在使用前设置 `SecurityManager`。- 如果使用 `shiro.ini` 配置文件或类似文件，请检查 `SecurityManager` 是否正确声明和配置。- 确保在应用程序启动期间初始化了 `SecurityManager`。2. **配置错误**：`SecurityManager` 可能没有在应用程序的配置设置中正确配置或声明。1. **初始化问题**：在访问之前可能根本没有初始化 `SecurityManager`。

2024-07-31 07:50:46 836

原创 JAVA:jsp+springboot 配置maven兼容版本

Jasper10.1.2: 用于解析 JSP 文件。maven依赖：如果中央库和其他镜像找不到包，spring-boot版本号3.2.5。用于增强 JSP 文件的功能。可以访问下面的网址找替代包。提供 JSP 标准标签库，用于处理 Web 请求。用于 Web 请求处理。用于处理 JSP 文件。

2024-04-30 11:10:26 737 3

原创 JAVA:后端框架-将servlet+jsp改为springboot+jsp需要做什么

要将一个自定义异常，如`EasUserNotFoundException`，整合到你的Spring Boot应用程序中，你可以在服务层或控制器层使用它来处理特定的异常情况。例如，在用户查询中，如果找不到指定的用户，可以抛出这个异常。这种方法可以帮助你的应用程序更清晰地处理错误和异常情况。### 步骤 1: 定义自定义异常类（exception包）假设你已经有一个名为`EasUserNotFoundException`的异常类。

2024-04-28 10:29:12 1858 3

原创 JAVA: Spring Boot加载 Shiro 配置＞＞找不到 SecurityManager

在 Spring Boot 应用中集成和配置 Apache Shiro 通常涉及创建一个配置类来设置 `SecurityManager`，以及定义 Shiro 的 Web 支持和必要的安全策略。创建一个配置类，用于定义 Shiro 的 `SecurityManager`，以及配置 Shiro 的认证和授权策略。首先，确保在你的 `pom.xml` 或 `build.gradle` 文件中添加了 Apache Shiro 的依赖项。`Realm` 是 Shiro 连接到应用程序安全数据的桥梁，如用户帐户等。

2024-04-25 10:58:20 770 1

原创 JAVA：maven--＞＞检查所有依赖与环境兼容

为了确保你项目中的所有依赖都彼此兼容，并与你的环境相适应，你可以利用 Maven 的依赖管理功能。- 如果发现任何问题，如某个依赖需要更高版本的 Java 或库之间存在版本冲突，你应该考虑将这些依赖更新到与你的项目设置及彼此兼容的版本。- 在对依赖进行任何更改后，彻底测试你的应用程序，以确保一切按预期工作，没有运行时错误或意外行为。此命令检查你的 `pom.xml` 中列出的项目依赖的可用更新。1. **运行 Maven 依赖性分析**4. **确保环境兼容性**2. **检查更新**

2024-04-23 11:23:05 1898

原创 NLP：场景--OCR提取文字做文本匹配任务~持续更新~

将图片上的文字提取出来，需要哪些技术？将图片上的文字提取出来的过程通常被称为光学字符识别（Optical Character Recognition, OCR）。OCR技术可以将各种类型的文档（如扫描的纸文档、PDF文件或图像中的文字）转换成可编辑和可搜索的数据。

2024-03-13 17:46:09 1486 1

原创 NLP:CRF-马尔可夫随机场

条件随机场属于无向图模型，也称为马尔可夫随机场，其中的节点表示随机变量，边表示变量之间的依赖关系。与隐马尔可夫模型（HMM）等生成模型不同，CRF是一种判别模型，不对输入变量的分布做任何假设，而是直接对条件概率进行建模。CRF是条件随机场（Conditional Random Field）的缩写，它是一种用于建模序列数据（如时间序列或标记序列）的统计建模方法。统计模型的数量是非常多的，且随着研究的发展不断增加。此外，训练数据和测试数据需要是实际的标注数据集，而不是简化的示例，以便模型可以有效学习。

2024-03-12 20:19:09 1062 1

空空如也

空空如也