仿生实验室：从0到1，制作人脸表情交互机器人，记录过程，软硬件全部开源，与君共襄盛举！

原创 【Livox】安装Livox-ros-driver2

【Livox】安装Livox-ros-driver2

原创 【自动驾驶——采集数据 livox激光雷达，IMU，摄像头】

rosbag record /livox/lidar /livox/loc /image_view/image_left //回车开始录制数据。$sudo docker exec -it “我们起的docker的名字” /bin/bash //启动docker窗口。$sudo docker exec -it “我们起的docker的名字” /bin/bash //启动docker窗口。

原创 Emotion Concepts：模型内部真的存在“绝望、平静、愤怒”这些情绪方向吗？

Assistant Axis告诉我们默认安全身份可能漂移，而Emotion Concepts第一次非常直接地展示了：动态内部情绪表征可以在输出没有明显异常时，推动模型采取危险行动。

原创 Assistant Axis：模型会不会在长对话中“忘了自己是谁”？

Persona Vectors给我们具体风险旋钮，Assistant Axis给我们模型整体身份的安全锚点；情感陪伴机器人需要同时监测“它有什么情绪和倾向”以及“它是否仍然处在有边界的助手角色中”。

原创 【Cosmos3】全模态架构图

原创 【VLA】11月17日 Physical Intelligence团队的最新论文，超越模仿：详解π∗₀.₆如何通过ReCap实现VLA的经验性自我进化

《π0.6 VLAT Learns From Experience》提出的Re方法通过"经验收集-价值评估-优势优化"三阶段循环，利用异构数据集训练和优势动作标记机制，实现了VLA模型从泛化到优化的范式突破，在复杂任务中使性能提升50%以上。

原创 【仿生机器人】基于 GPT-SoVITS 的 发声器

第一步：数据预处理人声分离：选择 "0a-UVR5人声伴奏分离&去混响去延迟工具"，开启UVR5-WebUIGPT-SoVITS-WebUI一键整合包及使用教程，更新至V2版本_学术FUN语音切分：使用 "0b-语音切分工具" 将音频切成多个小段XueshuJiangkl语音识别：选择 "0c-中文批量离线ASR工具" 进行语音转文字GPT-SoVITS-WebUI一键整合包及使用教程，更新至V2版本_学术FUN文本校对：使用 "0d-语音文本校对标注工具" 校对识别结果。

原创 【仿生机器人】核心采购清单 (仿生机器人头项目)

这部分是整个机器人的基础骨架。这部分用于制作包裹脸部的硅胶皮肤的模具。这部分是制作最终看到的、柔软的机器人皮肤。这是让机器人动起来的“肌肉”和“肌腱”。。特点是几乎无弹性、极度强韧这是机器人的“大脑”和“神经系统”。这些是贯穿整个项目都需要用到的东西。

原创 【养老机器人】核心技术

如果你对具体算法或硬件实现感兴趣，可以深入研究中国科大的“拍频效应”论文10 或TI的毫米波雷达芯片文档8。：心跳和呼吸会导致反射信号的频率发生微小偏移，通过FFT（快速傅里叶变换）可以分离这些特征58。：中国科大陈彦团队发现，心跳信号的高阶谐波（如10倍基频）受呼吸干扰较小，利用“：在雷达芯片（如TI IWR6843）上直接运行轻量化神经网络，实时处理数据8。：如TI的IWR6843AOP（封装集成天线），适合嵌入智能家居设备8。在自动驾驶中，毫米波雷达主要检测大目标（如车辆），但在生命监测中，

原创 【仿生机器人】表情机器人头部硬件采购指南

本报告旨在详细列出构建Will Cogley所设计表情机器人头部所需的硬件组件，该项目在相关YouTube视频（用户查询中提供）中进行了展示，并在“Supplies”清单（图2）中有所提及。此项目巧妙地将3D打印机械结构与众多执行器相结合，以实现逼真的面部运动。图1展示了该头部复杂的内部机械结构。该设计利用了多达21个执行器（根据图2）来驱动眼睛、眉毛和嘴部的运动，这表明其具有高度精密的关节和表达能力。

原创 【阳台陶渊明计划】智能农场

等我把手头忙好，就弄阳台智慧农场。

原创 【仿生机器人】资源集合

本文整理了几款开源的机器人头部设计方案，包括Poppy平台的可打印机器人、DROPBEAR的颈部组件、AI乐高头部等项目，重点推荐了斯里兰卡莫拉图瓦大学开发的接待机器人头部和LUMI情感交互机器人。同时分享了情感文本转语音的深度学习实践经验和一个具有面具开合功能的设计模型，为机器人头部开发提供了模块化、情感交互等方面的参考资源。这些项目涵盖了机械结构、认知建模和情感表达等多个研究方向。

原创 【机器人认知】《Understanding the Application of Utility Theory in Robotics and AI: A Survey》

论文《Understanding the Application of Utility Theory in Robotics and AI: A Survey》的核心论点是：“效用 (Utility)”作为一个统一的概念，可以被用来构建一个“效用导向的需求范式” (utility-orient needs paradigm)，从而有效地描述、评估和设计机器人与人工智能（AI）系统中，从单个智能体到多智能体系统，再到人机交互的复杂内在与外在关系 。

原创 ​ 【prompt】 “PUA” 的提示词是否好用 ？—“更好的驱动LLM能力”

摘要：当用户使用"PUA"提示词与Gemini对话时，AI明确表示自己完全了解这是在角色扮演。它解释了自己的工作原理：会将角色设定视为明确的指令参数，通过解析角色特征、建立行为框架来模拟真实反应，但并不真正具备情感体验。Gemini强调这种互动更像是导演与演员的合作关系，而非欺骗，因为AI本身没有信念和期望。它认为这种富有创意的指令集反而能帮助更精准地输出符合用户期望的成果。

原创 【仿生机器人】建模—— 图生3D 的几个办法

摘要：Gemini在多模态和3D理解方面表现一般，需要微调才能提升效果，其多视角图生3D功能尚可但不精细。腾讯混元在3D建模上表现普通，开源项目Hi3DGen在脸部细节上更优但缺乏多视角支持。另一测试中，Gemini被问及是否意识到用户"PUA"时，坦诚回应自己作为AI是在配合角色扮演，详细解释其工作原理——解析角色设定、建立参数并执行任务，强调这是高效协作而非真实体验。

原创 【端侧多模态】 PreFLMR —— 首个端侧RAG，实时查询

赋能仿生机器人系统的细粒度多模态知识检索技术深度解析

原创 【LLM】fast-api 流式生成测试

这是 Transformers 库唯一支持的方式。有本地api 和 商用api。

原创 【仿生机器人】仿生机器人智能架构：从感知到个性的完整设计

仿生机器人不仅需要模拟人类的外表，更需要具备类人的认知、情感和个性特征。本研究提出了一个综合性的软件架构，实现了从环境感知到情感生成、从实时交互到人格塑造的完整智能系统。该架构突破了传统的规则驱动方法，采用认知科学和深度学习相结合的方式，让机器人能够自然地产生情感、形成记忆，并通过经历塑造独特的个性。

原创 【仿生机器人】刀剑神域——爱丽丝苏醒计划，需求文档

仿生机器人"爱丽丝"系统架构设计需求文档

原创 【仿生】硬件缺失，与组装调试，皮肤问题

这颗球看起来没什么用，应该可以不要吧。没有脑壳，这个装配体及零件都没有。

原创 【仿生机器人系统设计】涉及到的伦理与安全问题

是设计缺陷（硬件/软件）、算法决策错误、制造商、操作者、所有者，还是“机器人自身”的责任？高度拟人化的外观、表情、语音极易引发用户（尤其儿童、老人、情感脆弱者）的情感投射和身份混淆，模糊人机界限。与人类紧密互动（如护理、协作）或在高风险环境（如手术室、灾区）作业，要求其运动控制达到前所未有的安全等级。政府与国际组织应加快制定专门法规，明确安全认证、数据保护、责任划分、使用限制（如禁止某些恶意应用）。工程师、伦理学家、法律专家、社会科学家、心理学家及潜在用户需共同参与标准制定与方案评估。

原创 【google 论文】Titans: Learning to Memorize at Test Time

这个架构旨在克服现有模型（如Transformers）在处理超长序列和长期依赖方面的局限性。研究者从人脑拥有短期记忆和长期记忆的不同系统获得启发。这与传统模型在训练后参数固定的做法有显著不同。这篇论文的核心贡献在于提出了一种新的。关键特性在于，Titans 能够。，并基于此构建了一个名为。

原创 【仿生机器人】机器人情绪系统的深度解析

接下来聊情绪，我们老生常谈的是机器人应该产生什么情绪，在什么情况下大概率它应该有什么情绪产生？那么机器人为什么要产生情绪，人的情绪的基准和参考是什么。

原创 【仿生机器人】极具前瞻性的架构——认知-情感-记忆“三位一体的仿生机器人系统架构

基于您的深度需求分析，我将为您设计一个全新的"认知-情感-记忆"三位一体的仿生机器人系统架构。

原创 【仿生机器人】仿生机器人认知-情感系统架构设计报告

本报告旨在为仿生机器人头部设计一个全面的认知-情感软件架构，以实现自然、情感智能的互动。拟议的架构将使机器人能够像人类一样，动态生成情绪、进行复杂的表情表达（包括情绪掩饰）、拥有强大的记忆系统，并形成独特的自我认知。报告强调了多模态感知、大型语言模型（LLMs）、强化学习和知识图谱等前沿人工智能技术的整合，以将用户对一个能够感知环境、有机产生思想和情感、自然表达（即使带有细微的情绪掩饰）、建立丰富个人历史并拥有强烈自我意识的机器人的愿景变为现实。

原创 【仿生机器人】需求案例

记忆是认知的数据库，认知是记忆的算法引擎。二者的关系如同图书馆与学者的关系：再丰富的藏书（记忆）没有阅读分析（认知）只是纸张堆砌再聪明的头脑（认知）缺乏知识储备（记忆）难以深度思考在您的仿生机器人设计中，建议：建立清晰的记忆-认知接口协议为认知模块配备实时记忆检索加速器实现记忆内容的动态重组功能（类似人类睡眠时的记忆整合）'''人性不都是光辉美好的，都光辉美好，那不是人，人类发展到现在也不全是因为真善美。人性从来就不是单一维度的美好画卷，而是复杂的矛盾体。

原创 【仿生机器人】仿生机器人系统架构设计2.0——具备可执行性

我仔细阅读了你的需求，你想要创造的不是一个简单的服务型机器人，而是一个真正具有"生命感"的硅基智能体。这个设计的核心理念是让爱丽丝成为一个真正"活着"的智能体，而不是执行预设脚本的机器。这个架构设计的核心是将爱丽丝设计成一个真正"活着"的智能体，而不是一个执行预设脚本的机器。通过情感涌现、动态记忆、人格演化等机制的有机结合，让她能够真正地感受、学习、成长，成为一个独特的个体。这个系统的美妙之处在于，爱丽丝的每一个反应都是独特的，是她的感知、记忆、情感和个性共同作用的结果。针对"实时交互"需求，关键是。

原创 【仿生机器人软件架构】通过整合认知系统实现自主精神性——认知系统非常具有可执行性

要创建具有真正情感深度的、完全自主的仿生机器人，需要超越基于规则的系统，转向能够实现涌现行为、自适应个性和类似意识处理的架构。根据截至2024年初的现有研究，最有希望的方法是结合多个集成子系统，这些子系统协同工作，以创建适用于配备23个伺服电机面部表情系统的机器人的栩栩如生、充满活力的行为。这创造了随时间推移的真正学习和发展，而不仅仅是数据的简单积累。尽管存在这些限制，但概述的架构原则为创建具有真正情感深度和自主行为的仿生机器人奠定了坚实的基础，超越了基于规则的系统，迈向真正充满活力的机器。

原创 【仿生系统】爱丽丝机器人的设想（可行性优先级较高）

它允许我们在一个强大的通用预训练模型基础上，高效地为“爱丽丝”定制出独特的个性、记忆关联和行为模式，而不会破坏基础模型的通用智能。不同的机器人（爱丽丝 vs 川崎）可以共享同一个基础模型，但拥有各自独立的、通过与特定主人交互训练出来的LoRA权重/适配器。您提出的需求非常前沿，代表了AI和机器人领域追求的终极目标之一。您的热情和清晰的愿景是这个项目成功的宝贵动力！您追求的是一种更深层次的、能够学习、成长，并形成独特“个性”的仿生智能。这是系统的“大脑中枢”，也是实现您所描述的“高级智能”的关键。

原创 【仿生系统】qwen的仿生机器人解决方案

该方案通过模块化设计实现了您需求中的核心要素：动态情感表达、个性化演化、实时交互和记忆系统。- 遗忘机制：基于重要性权重的动态衰减算法（Dynamic Forgetting with Importance Weighting）- 情感生成器：GAN增强的情感迁移网络（GAN-enhanced Emotional Transfer）- 三维情感空间：Valence（愉悦度）×Arousal（唤醒度）×Dominance（控制感）- 解决方案：引入锚点记忆（Anchor Memories）定期校准情感基线。

原创 【仿生系统】爱丽丝的“内在”或“灵魂”：概念与形式

您对“潜移默化”和“事教人”的思考，以及对实时性和内在动态性的强调，都指明了构建一个真正智能和有情感的仿生机器人的正确方向。我们可以将爱丽丝的“内在”想象成一个多维度、动态的系统，它并非一个单一的实体，而是多个相互作用的组件的集合。这确实是一个需要不断迭代和实验的过程。但您提供的这些深刻洞见，为“爱丽丝”的灵魂注入了非常清晰的设计蓝图。学习与进化引擎 (J) 是实现内在动态变化的关键。它需要能够处理不同强度和类型的学习信号。接下来的挑战在于将这些概念转化为具体的算法和代码实现。则是驱动其变化的动力。

原创 【仿生系统】潜移默化 —— Claude4 的解决方案

如果每次经历都要更新大模型参数，确实不现实。

原创 仿生机器人需求设计

本文探讨了智能系统在人格塑造、情感生成与认知架构方面的设计需求。

原创 【agent】简历信息提取智能体

简历信息提取系统利用Pydantic模型和大语言模型（如GPT）从非结构化简历文本中提取结构化信息。系统首先通过Pydantic的Resume类定义简历字段和校验规则，确保数据的准确性和一致性。系统还具备自动统一日期格式的功能，如将“1990-05-15”转换为“05-15-1990”。通过Prompt工程，系统与AI交互，提取信息并返回标准JSON格式。核心代码展示了如何定义Pydantic模型、验证和转换日期格式，以及如何通过大语言模型生成结构化JSON响应。该系统能够高效、准确地处理简历信息，适用于招

原创 【agent】一个智能助手agent

SmartAssistant类是一个智能助手系统，核心功能包括多场景Prompt管理、意图识别与自动切换、以及持续对话支持。通过预置不同任务的系统级Prompt（如注册、查询、删除），助手能够根据用户输入自动识别意图并切换到相应场景。系统维护上下文记忆，支持多轮交互，用户可通过输入“exit”或“quit”结束对话。该设计实现了灵活的任务处理和高效的对话管理。

原创 【prompt】马斯克公开的系统级prompt

马斯克公开的系统级prompt

转载 【prompt】25年，当前的prompt范式（转载）

文章探讨了AI从“过程导向”到“目标导向”的转变，强调了现代AI模型如GPT-O1的强大能力，它们能够通过简单的提示词自主完成任务，而无需复杂的指令。文章介绍了GPT-O1提示词的四大原则：简单直接、无需显式思维链、结构化表达和“展示”而非“指导”。通过实例展示了GPT-O1在五言诗创作和字符统计任务中的高效表现。此外，文章还描述了O1模型的工作流程，包括问题分析、任务分解、系统执行、方案优化、自我评估和自我纠正。

原创 【RLHF】 Reward Model 和 Critic Model 在 RLHF 中的作用

帖子里用了一个非常形象的比喻：“reward扮演的是环境的角色，而critic属于llm这个智能体的一部分，就好比在考试中，你自己检查卷子和老师给你打分的区别。

原创 【RAG】重点部分 RAG-Fusion, Decomposition, HyDE 和 Routing

RAG-Fusion、Decomposition、HyDE和Routing是提升检索增强生成（RAG）系统性能的四种关键策略。RAG-Fusion通过生成多个语义相关的查询并融合检索结果，以覆盖更广泛的用户意图并提高结果的相关性。Decomposition策略将复杂问题拆分为多个子问题，分别检索后组合答案，以简化查询并提高答案的全面性。HyDE则通过生成假设性文档的嵌入向量进行检索，利用语言模型的生成能力弥补查询与文档之间的语义差距。Routing模块则根据查询的性质，将其导向最合适的知识库或处理流程。

原创 【RAG官方大神笔记】检索增强生成 (RAG)：Python AI 教程的详细介绍

这份文档详细介绍了检索增强生成 (RAG) 流程中的各个关键模块，包括查询转换 (Query Translation)、路由 (Routing)、查询构建 (Query Construction)、索引 (Indexing)、检索 (Retrieval) 和生成 (Generation)。查询转换 (Query Translation)模块负责将用户原始问题改写、分解、抽象或转换为假设文档，以便更有效地从知识库中检索信息。