AI²OT-优快云博客

原创【具身智能】VLA相关文献总结截止2025-12-2

本文综述了视觉-语言-动作（VLA）模型在机器人控制领域的最新研究进展，重点分析了32篇代表性论文的核心创新点与技术贡献。这些研究主要围绕以下方向展开：1）通过课程学习（AdaCuRL）、链式推理（CoT4AD）和扩散策略（DiffusionPolicy）等方法提升模型的推理能力；2）采用轻量化架构（SmolVLA）、边缘部署（LiteVLA）和令牌剪枝（VLA-Pruner）优化计算效率；3）结合强化学习（RLINF-VLA）和在线优化（πRL）增强自适应性能。

2025-12-02 20:51:36 684

原创【具身智能基础】强化学习

本文系统介绍了强化学习的核心概念与主流算法。首先阐述了强化学习的基本框架，包括智能体与环境交互、马尔可夫决策过程、蒙特卡洛采样等基础理论。随后详细解析了时序差分（TD）方法体系，包括Q-Learning、SARSA及其深度版本DQN等价值型算法。然后重点讨论了策略梯度（PG）方法及其改进版本Actor-Critic架构，涵盖A2C、A3C、DDPG、PPO、GRPO、DPO等算法。

2025-11-29 16:32:59 606

原创【具身智能基础】 BERT代码解析与实战

本文详细解析了BERT模型的架构与实现，包括分词器(BertTokenizer)和核心模型(BertModel)两大部分。分词器部分介绍了词汇表加载、基础分词流程、子词分割等核心组件，重点讲解了WordPiece算法实现。模型部分深入剖析了嵌入层、注意力模块、Transformer层、编码器堆叠等核心结构，并详细说明了预训练任务头和下游任务模型的设计原理。文章还提供了情感分类任务的微调实战代码，展示了如何使用HuggingFace库进行BERT模型训练和预测。

2025-11-21 20:54:48 552

原创【具身智能基础】图解BERT

BERT是一种基于Transformer架构的预训练语言模型，通过完形填空和相邻句子判断任务进行无监督训练。其核心思想是先在大规模语料上进行预训练，再针对特定任务进行微调。BERT-base和BERT-large分别对应12层和24层Transformer编码器，输入时添加[CLS]标记用于句子表示。在多种NLP任务上取得突破性成果。该模型开创了预训练+微调的NLP处理范式，极大提升了自然语言处理的效果。

2025-11-01 13:46:04 655

原创【具身智能基础】图解Transformer架构

本文详细介绍了Transformer模型的结构和工作原理。Transformer由编码器和解码器两部分组成，编码器采用多层堆叠结构，每层包含自注意力机制和前馈神经网络；解码器在编码器基础上增加了掩码自注意力和交叉注意力机制。文章重点解析了自注意力计算过程、多头注意力机制、残差连接与层归一化等关键技术，并阐述了输入处理（词向量和位置编码）、损失函数等模块的设计原理。该模型通过并行计算和注意力机制，克服了传统RNN的序列处理局限，在机器翻译等任务中表现出色，成为NLP领域的基础架构。

2025-10-24 15:25:42 654

原创【具身智能基础】机器人正逆运动学与路径规划

本文系统介绍了机器人运动控制三大核心技术：正运动学（FK）用于根据关节参数计算机器人末端位姿；逆运动学（IK）解决从末端位姿反求关节参数的问题，存在多解性和奇异性挑战；轨迹规划则包含关节空间和笛卡尔空间两种方法，分别适用于不同精度的运动需求。文章详细阐述了MDH参数法、解析法与数值迭代法等核心算法，并讨论了多项式插值、B样条等轨迹规划方法，最后指出实际应用中需综合机器人结构、任务需求选择合适算法。为机器人运动控制提供了系统的理论框架和技术方案。

2025-10-17 17:45:53 957

原创【具身智能基础】手眼标定

手眼标定是机器人视觉引导的核心技术，用于建立机器人坐标系与相机坐标系之间的转换关系。主要分为眼在手外（相机固定）和眼在手上（相机随机械臂移动）两种构型。标定前需完成相机内参标定以消除畸变。标定过程包括数据采集（记录机械臂位姿与标定板图像）、预处理、求解AX=XB方程及精度验证。最终得到4×4齐次变换矩阵，使机器人能准确执行视觉引导的操作任务。

2025-10-11 17:50:57 1148

原创【具身智能基础】坐标系与位姿变换

本文系统介绍了机器人位姿描述的数学工具与方法。重点讲解了齐次矩阵在机器人学中的应用，包括其结构定义、核心作用（位姿变换、复合变换、逆变换）以及典型应用场景。文章首先区分了机器人关节坐标系与笛卡尔坐标系的特点，然后详细阐述了位姿的表示方法，特别是通过4×4齐次矩阵将旋转和平移统一表达的优势。最后总结了齐次矩阵在机器人运动学、计算机图形学等领域的实用价值，强调其作为位姿描述标准工具的重要性。

2025-09-30 14:39:58 1395

原创【具身智能基础】姿态描述之旋转矩阵、欧拉角、四元数

本文介绍了三维空间物体姿态的三种主要表示方法：旋转矩阵、欧拉角和四元数。旋转矩阵使用3×3正交矩阵表示旋转，直观但参数冗余；欧拉角通过三个角度描述旋转，直观但存在万向锁问题；四元数由四个参数组成，计算高效且无万向锁，但难以理解。文章对比了三种方法的优缺点和应用场景：旋转矩阵适合理论推导，欧拉角便于人机交互，四元数则是工程实时系统的优选。实际应用中常需进行三者间的转换配合使用。

2025-09-25 18:40:47 718

原创【Linux嵌入式】在linux开发板上通过SMTP发送邮件

本文介绍在Linux开发板上实现邮件通知的方法，核心是通过轻量级工具msmtp和mutt连接公共邮箱SMTP服务发送邮件。步骤包括：确保网络通畅、获取邮箱SMTP授权码、安装配置msmtp和mutt、编写发送逻辑并测试。适用于嵌入式Linux系统，支持文本和附件发送，可集成到C程序或脚本中实现自动化告警功能。配置需注意权限和SSL加密，失败时可通过日志排查问题。

2025-09-02 14:30:13 786

原创【Linux嵌入式】RK3588开发板安装MQTT客户端开发环境paho.mqtt.c

本文介绍了在Linux-RK3588开发板上安装Eclipse Paho MQTT C Client Library（paho.mqtt.c）的完整流程。首先通过apt安装编译工具和依赖库（build-essential/cmake/openssl），然后下载源码并配置SSL支持与共享库编译选项。通过cmake生成Makefile后执行编译安装，最后配置动态链接库路径并验证头文件及库文件是否安装成功。该库与mosquitto（MQTT Broker）配合，可支撑配电物联网设备与平台间的MQTT协议通信

2025-07-16 15:06:05 594 1

AI²OT的博客