登录社区云，与社区用户共同成长
邀请您加入社区
长期被认为"天生不适合做实时"的 Linux，在合理调试配置与核心隔离之后，也能获得接近裸机级的确定性。本文用一套可复现的 TSC 抖动测试，把这场吵了很多年的争论变成一条可以精确测量的频谱：在 AMD Ryzen 9 9950 的完全隔离核心上，1 小时、数千亿次采样中，最大抖动仅约 10 纳秒，超过 100 个时钟周期（约 20 纳秒）的抖动事件一次都没有。
回顾全文，PID控制是连接基础编程与高级竞赛、乃至工业无人机落地的核心枢纽。不管你是在准备中小学机器人竞赛（如智能巡线车、避障竞速赛、机器人巡线和走迷宫项目等），还是在推进更复杂的机器人算法优化，这一套PID代码框架足以让你快速起步。最后送你一条调参口诀”调参先Kp，初露平衡；配Kd，灭波动；补Ki，清误差；勤记录，渐升速；多场景，全验证。希望你这套PID巡线小车在比赛当天一骑绝尘，也希望你对智能
AI机器人路径规划正从传统算法转向深度强化学习（DRL）与大模型结合的技术路线，推动导航能力向全场景通用演进。核心算法包括DRL、模仿学习及混合方案，硬件平台涵盖NVIDIA Jetson、高通RB系列等。仓储物流、自动驾驶和家用服务机器人是三大落地场景，典型案例如极智嘉AMR（效率提升35%）、蔚来换电站（成功率99.7%）和科沃斯扫地机（识别准确率96.8%）。产品化需经历仿真验证、端侧部署和
FOC 闭环与底层控制的解耦：在多机器人协同中，I2C 通信和轨迹规划属于“上层逻辑”，而 BLDC 的 FOC（磁场定向控制）属于“底层高频控制”。例如利用 ESP32 的双核特性，Core 1 专职运行 1kHz 的 FOC 电流/速度环，Core 0 负责 I2C 通信与时间轴解算，确保电机控制不受通信阻塞的影响。例如，主机广播编队参数，从机解析后驱动电机。定时任务触发：基于实时时钟（如DS
行空板K10是一款专为物联网和人工智能教学设计的国产开发板，集成了2.8寸彩屏、WiFi蓝牙、摄像头、麦克风、扬声器及多种传感器，支持离线语音识别（ASR）、图像检测和语音合成功能。实验展示了如何通过语音指令控制3630无刷减速电机，实现启动、刹车、调速和正反转操作。该电机采用无刷设计，内置驱动板，支持PWM调速和方向控制，适用于机器人关节等场景。项目结合离线语音识别技术，使用"你好小新"作为唤醒
本文针对使用地平线RDKX5（旭日5芯片）进行机器人开发时遇到的二自由度云台控制问题，提出了一套稳定可靠的解决方案。文章重点解决了Hobot.GPIO库在PWM使能环节的已知Bug，包括舵机无响应、抖动和首次使能异常长脉冲等问题。方案采用直接操作Linux Sysfs PWM接口的方式，配合SPM05电源模块独立供电，实现了对13kg大扭矩PWM舵机的安全驱动。文中提供了完整的Python控制脚本
分布式实时系统中的自省机制 自省机制是分布式实时系统（如DDS、ROS2）实现动态数据处理的核心技术。它通过将数据结构描述与数据本身分离，使系统能够在运行时感知和解析任意消息类型，而无需预先编译具体类型的处理代码。 核心技术实现： 编译期元数据生成 - IDL编译器自动创建包含类型名称、内存布局、字段描述等完整信息的静态元数据 消息-元数据绑定 - 通过虚函数接口建立消息对象与其类型描述的关联 通
摘要： 本项目为嵌入式AI实战案例——智能激光灭蚊机器人，融合轻量化YOLO目标检测、双轴云台控制与人体安全防护技术，实现主动识别、精准灭蚊功能。系统通过摄像头采集画面，YOLOv8-nano模型实时检测蚊虫/人体，经安全校验后控制云台瞄准并触发低功率激光灭杀。提供双版本硬件方案（低成本ESP32+Arduino版约260元，高端树莓派版约550元），含完整数据集制作、模型训练、嵌入式开发及安全防
Ollama，它来了，专为在本地机器便捷部署和运行大模型而设计。也许是目前最便捷的大模型部署和运行工具，配合Open WebUI，人人都可以拥有大模型自由。今天，就带着大家实操一番，从 0 到 1 玩转 Ollama。
Ollama是一个能在本机运行大语言模型的软件，它提供命令行和API的交互方式，对于需要考虑数据隐私的情景，可以方便的使用Ollama部署大语言模型，并在此基础上开发RAG等应用，而无需调用OpenAI等开放API。Ollama基本上已经建立了比较完善的生态，除了在系统中使用命令行、API等方式交互，Langchain、Dify等开发框架也都支持Ollama，另外，也有非常多GUI客户端可以使用，
UniLab是一个面向机器人强化学习（RL）的异构架构开源项目，突破了传统GPU主导的范式。它采用CPU并行仿真与GPU策略学习的异步运行方式，支持MuJoCoUni和MotrixSim两套物理后端，并提供统一训练CLI，覆盖PPO、SAC等8种算法。项目支持跨平台安装（Linux CUDA/ROCm/XPU、macOS），并通过Hydra配置实现任务灵活切换。实验表明，其异构架构在训练速度上具有
好多同学不知道怎么下载需要用到的工具，我这里给大家都准备好了，需要的文末领取。qwen7b.gguf是阿里巴巴的通义千问大模型，7B大模型，7亿参数，至少需要8G内存，越大回复越流畅，下载完后，双击OllamaSetup，自动安装成功，默认安装在C盘，不能选择安装路径的哦，安装完后，右下角会出现Ollama图标。OLLAMA_MODELS，随意指定变量值，如图所示：选择右键小图标，然后退出，在开始
vLLM（Vectorized Large Language Model Serving System）是由加州大学伯克利分校团队开发的高性能、易扩展的大语言模型（LLM）推理引擎，专注于通过创新的内存管理和计算优化技术实现高吞吐、低延迟、低成本的模型服务。vLLM采用PagedAttention内存管理技术，显著提升GPU显存利用率，同时支持分布式推理，能高效利用多机多卡资源。无论是低延迟、高吞
vLLM 是一款专为大语言模型推理加速而设计的框架，实现了 KV 缓存内存几乎零浪费，解决了内存管理瓶颈问题。更多 vLLM 中文文档及教程可访问 →。
《Motif-Technologies Motif-2.6B技术报告》介绍了26亿参数的开源语言模型Motif 2.6B，该模型基于AMD MI250 GPU训练42天，使用2.4T tokens数据。报告详细对比了与Mistral 7B、Gemma系列、Llama系列、Phi系列等主流模型的性能表现：在部分基准测试中表现优异（如GSM8K、HumanEval等平均提升34.25%），但在部分任务
