成熟的程序员-优快云博客

原创 Anygrasp全流程部署精简版

本文详细记录了在Ubuntu 22.04系统（RTX 4090显卡）上搭建AnyGrasp抓取检测环境的完整流程。关键步骤包括：安装CUDA 12.8工具包和PyTorch cu128版本；创建Python 3.11虚拟环境；编译MinkowskiEngine 0.5.4（需适配CUDA 12.8和GCC 12）；安装Open3D 0.19.0等依赖；配置graspnet API和许可证验证。特别提供了各组件版本兼容性解决方案（如动态库冲突修复）和验证命令，最终实现Demo的终端和可视化运行。

2026-08-04 14:26:06 322

原创 Anygrasp部署全流程

aside>✅本文只记录，不涉及具体机器人、相机、目标分割或抓取任务代码。所有版本、命令和输出均来自一台实际完成安装并成功推理的设备。</aside>

2026-08-04 14:23:25 271

原创 π0.5 论文详细解读：面向开放世界泛化的 Vision-Language-Action 机器人模型

π0.5 是一篇非常典型的 VLA 方向论文。它的核心贡献不在于提出一个孤立的新网络模块，而在于构建了一套完整的开放世界机器人训练方案。它通过异构数据共训练，让模型吸收来自不同机器人、不同环境、网页图文、高层子任务和人工语言指导的知识；通过高层子任务预测，把复杂长流程任务拆解为低层策略可执行的小目标；通过 FAST 离散动作预训练和 Flow Matching 连续动作后训练，兼顾了大规模训练效率和真实机器人控制精度。

2026-04-25 10:00:00 681

原创 FAST 论文详解：面向 VLA 机器人大模型的高效动作 Tokenization 方法

论文摘要：本文提出FAST（频率空间动作序列标记化方法），解决Vision-Language-Action（VLA）模型中连续动作离散化的关键问题。传统方法通过逐时间步分桶离散化高频动作，导致token冗余且训练效率低下。FAST创新性地结合离散余弦变换（DCT）和字节对编码（BPE），先将动作序列压缩为稀疏频率系数，再量化为紧凑token。实验表明，FAST在高频灵巧任务（如50Hz的叠衣服动作）中，能将token数量从700个压缩至53个，使自回归VLA模型训练速度提升5倍，同时保持与扩散模型相近的性

2026-04-24 15:32:57 520 1

原创 π0 论文精读：从 Vision-Language 到 Vision-Language-Action，通用机器人控制为什么要用 Flow Matching？

论文《π0：通用机器人控制的视觉-语言-动作流模型》提出了一种新型机器人基础模型框架，通过整合预训练视觉语言模型（VLM）与连续动作生成技术，实现了跨平台、多任务的通用机器人控制。核心创新包括：1）采用Flow Matching技术建模连续动作分布，取代传统的离散化动作预测；2）设计双专家结构，分离处理语义理解和动作生成；3）提出两阶段训练方案（大规模预训练+高质量后训练）。实验表明，π0在复杂操作任务中表现优异，支持50Hz高频控制，并能通过少量数据适配新任务。该研究为机器人基础模型发展提供了新思路，将大

2026-04-23 17:45:35 482

原创 RobotStudio 启动 OmniCore FlexPendant 报“无效的注册表值”并出现“Login to Controller Failed” 的解决记录

RobotStudio 启动 OmniCore FlexPendant 报“无效的注册表值”并出现“Login to Controller Failed” 的解决记录

2026-04-21 17:05:57 549

原创 wsl ubuntu 20.04 xrdp gnome 连接远程桌面闪退解决方法

wsl ubuntu 20.04 xrdp gnome 连接远程桌面闪退解决方法

2024-11-18 19:21:33 6354 6

m0_59064940的博客