登录社区云，与社区用户共同成长
邀请您加入社区
而针对中国现在养宠家庭越来越多的趋势痛点，MOVA P60搭载了宠物关怀模式，通过双目AI智能识别宠物周边区域，拥有99%的宠物本体及宠物粪便识别率，能够防止粪便碾压，以及精准躲避碰撞，避免宠物卷尾等问题，家里有“毛孩子”的家庭使用更放心。作为一款中高端定位的扫地机器人，在4000元价位段，P60拥有24000Pa吸力（远超行业普遍水平）、6cm越障能力及双机械臂贴边技术，其综合配置及能力超越了科
随着大型语言模型（LLMs）的最新进展，代理人工智能在现实世界应用中变得非凡，趋向于多个基于LLM的智能体协同感知、学习、推理和行动。这些基于LLM的多智能体系统（MASs）使一群智能体能够在大规模上协调并共同解决复杂任务，从孤立模型过渡到以合作为中心的方法。本工作对MASs的协作方面进行了广泛综述，并引入了一个可扩展框架以指导未来的研究。
24年1月来自华东师范大学、美的集团和上海大学的论文“Language-Conditioned Robotic Manipulation with Fast and Slow Thinking”。语言调节机器人操作，旨在将自然语言指令转化为可执行动作，从简单的“拾取和放置”到需要意图识别和视觉推理的任务。受认知科学中的 Dual Process 理论的启发——该理论表明人类决策中存在两个平行的快速
具身智能的概念可以追溯到1950年，图灵在论文《Computing Machinery and Intelligence》中提出机器像人一样能和环境交互感知，自主规划、决策、行动，并具备执行能力，是AI的终极形态。大模型时代，大模型作为机器人的“大脑”，多模态作为机器人的“小脑”，模型的训练和测试与云服务相结合，可以在云上虚拟仿真场景下，进行端到端的实时训练与测试，快速完成端侧迭代与开发，这就大大
前面的两种方案，都面临一个问题，SpringAI中的Message类未实现Serializable接口，也没提供public的构造方法，因此无法基于任何形式做序列化。所以必须定义一个可序列化的Message类，方便后续持久化。定义一ai.entity.po@Data//将SpringAI的Message转为我们的Msg//实现将我们的Msg转为SpringAI的Message基于Redis来实现自
Langchain 是当前大模型应用开发的主流框架之一，旨在帮助开发者构建和部署基于大型语言模型（LLM）的应用。它提供了一系列的工具和接口，使得与LLM交互变得简单。通过 Langchain，开发者可以轻松创建定制的高级应用，如聊天机器人、问答系统和多种智能应用。Langchain 的核心在于其“链”概念，这是一个模块化的组件系统，包括 Model I/O（模型输入输出）、Retrieval（数
7月5日，2024世界人工智能大会的“迈向AGI：大模型焕新与产业赋能”论坛发布了《2024大模型典型示范应用案例集》，该案例集旨在推出具有行业影响力的大模型领域权威结果，展现最新最全的具有先进性、引领性、示范性的典型案例，以推动行业大模型为代表的人工智能产业生态持续繁荣及社会的高质量发展。本文从案例集中选取了工业、农业、医疗、教育、政务、交通等10个领域的大模型成果进行简要介绍。
我们介绍InternLM-XComposer2，这是一个尖端的视觉语言模型，在自由形式的文本图像合成和理解方面表现出色。该模型超越了传统的视觉语言理解，熟练地从不同的输入（如轮廓、详细的文本规范和参考图像）中制作交错的文本图像内容，实现了高度可定制的内容创建。InternLM-XComposer2提出了一种部分LoRA（PLoRA）方法，该方法将额外的LoRA参数专门应用于图像标记，以保持预训练语
相比之下，机器人领域的数据集往往规模较小，且多在实验室等受控环境中采集，这极大限制了机器人系统的泛化能力。实验显示，场景多样性是DROID提高模型性能的核心因素，即使在数据集规模相同的情况下，DROID的多场景版本在OOD任务中的表现更优于少场景版本，进一步验证了场景多样性对于构建机器人操作数据集的重要性。DROID包含了76,000个操作轨迹（约350小时的交互数据），涵盖564个不同场景、86
1.1 前置准备](#1.1 前置准备)[1.1.1 urdf模型+rviz可视化](#1.1.1 urdf模型+rviz可视化)[1.1.2 urdf文件](#1.1.2 urdf文件)[1.1.3 launch文件](#1.1.3 launch文件)[1.1.4 图形化显示](#1.1.4 图形化显示)[1.2 实践](#1.2 实践)[1.2.3ROS 运行环境](#1.2.3ROS 运行环
本文探讨了连续同心推拉机器人 (CPPR) 的建模，该模型源于 Tummers 等人发表在《国际机器人研究杂志》上的论文“连续同心推拉机器人：Cosserat 杆模型”。近年来，各种方法和结构层出不穷，用于设计连续机器人。其中，CPPR 作为一种新兴设计理念，因其结合了腱驱动、多脊柱和同心管机器人的优势而备受关注。CPPR 拥有直接曲率驱动、内外径比小、自由腔等优点。然而，针对这种新型机器人的几何
AI发展越来越成熟，像chatgpt可以语音聊天，还可以带眼晴的功能，所以本博文是参照chatgpt功能实现的，已实现功能，（1）语音聊天，（2）打开摄像头（视频数据已传入后台，未实现视频数据识别，后面再加）说明：本例子APP端是使用uniapp写的一个h5页面（可以打包成APP）,来模仿APP端，将APP端的语音数据、视频数据通过webrtc推流技术，推送到python后端，后端收到语音数据之后
LLM入门教程》订餐聊天机器人。（代码不是很优化，仅供演示）
在传统电商客服体系中，服务流程通常由智能客服系统与人工客服团队协同完成，并衍生出一系列前后端的配套服务。尽管大模型已经诞生近两年半，目前 AI 客服大都还停留在 SOP 辅助模式或 Copilot 协作模式。“不配置就回复不了”、“机械式单轮问答”、“幻觉问题误导客户”、“无法识别判读意图，答非所问”等问题仍然普遍存在。为了让 AI 客服更智能化，抖音电商客服团队基于扣子Coze 平台，提供了 A
RAG 的全称是 Retrieval-Augmented Generation（检索增强生成），这是一种先进的 AI 框架。它采用大型语言模型 (LLM)，并使用内部数据源对其进行增强。RAG 聊天机器人结合了基于检索的 AI 模型和生成 AI 模型（大型语言模型），以提供准确且与上下文相关的响应。RAG 有什么特点？精确度：RAG 聊天机器人的响应更准确。上下文：它们根据最相关的信息进行理解和响
1.背景介绍随着科技的不断发展，人工智能(AI)和机器人技术在医疗领域的应用越来越广泛。机器人在医疗领域的主要应用有辅助手术和护理等。本文将从以下几个方面进行阐述：背景介绍核心概念与联系核心算法原理和具体操作步骤以及数学模型公式详细讲解具体代码实例和详细解释说明未来发展趋势与挑战附录常见问题与解答1.1 背景介绍1.1.1 辅助手术辅助手术机器人是一种通过计算机控...
在ROS上实现Seed robotics R8HD机械手与Ur5机械臂的连接与轨迹规划（上）模型连接
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，
微软近期发布的 Phi-4 大语言模型震撼 AI 社区，这款仅 14B 参数的轻量级模型以其卓越的性能，挑战了现有大型 AI 模型的性能极限。Phi-4 最引人注目的成就是在数学推理领域展现出令人惊叹的能力。在 AMC 10/12 数学竞赛问题上，模型达到了 91.8%的惊人准确率，不仅超越了，甚至与 GPT-4o-mini 和Llama-3.3-70B 的性能相当。这一成就背后，是微软工程师在数
合并（姿态合并）：通过综合预测和更新步骤得到的信息，卡尔曼滤波器会生成一个新的头部姿态估计，该估计综合考虑了陀螺仪、加速度计和磁力计的测量数据以及物理模型的信息。卡尔曼滤波算法应用非常广泛，算法背后的解决问题的思想是我们应该学习的核心。卡尔曼滤波器利用过去的信息（运动模型）和当前的观测数据（GPS测量）来进行状态估计，通过动态调整预测和更新之间的权衡，以获得更准确和稳定的估计结果。预测（预测状态）
24年10月来自韩国ETRI的论文“A Dual Process VLA: Efficient Robotic Manipulation Leveraging VLM”。视觉-语言-动作 (VLA) 模型因其能够将视觉环境与语言命令相结合，使机器人能够执行复杂任务而受到越来越多的关注。然而，由于现有模型的计算需求很高，实现高效的实时性能仍然具有挑战性。为了解决这个问题，Dual Process V
目标：学习如何在 URDF 中定义可移动关节。教程级别：中级时间：10 分钟目录头部 Head夹爪Gripper抓取臂 Gripper Arm其他类型的关节指定位姿下一步在本教程中，我们将修改上一个教程中制作的 R2D2 模型，使其具有可移动的关节。在之前的模型中，所有的关节都是固定的。现在我们将探索另外三种重要的关节类型：连续关节、旋转关节和棱柱关节。确保在继续之前已安装所有必备...
3D 感知表示非常适合机器人操作，因为它们可以轻松编码遮挡并简化空间推理。许多操纵任务在末端执行器姿态预测中需要高空间精度，这通常需要高分辨率的 3D 特征网格，而处理起来的计算成本很高。因此，大多数操纵策略直接在 2D 中运行，而忽略了 3D 归纳偏差。在本文中，我们介绍了 Act3D，这是一种，它使用 3D 特征场来表示机器人的工作空间，其自适应分辨率取决于手头的任务。该模型使用感测深度将 2
我们将通过一个示例来说明如何设计和实现由 LLM 驱动的聊天机器人。该聊天机器人将能够进行对话并记住之前的交互。请注意，我们构建的这个聊天机器人将仅使用语言模型进行对话。本教程将涵盖对这两个更高级主题有帮助的基础知识，但如果您选择，请随意直接跳到那里。
先分享一份壁纸：来源：The Construct机器人工程“软件”趋势变化代码驱动模型驱动数据驱动智能驱动主要经历了如上四个过程，第4步还在持续进行中。但是，国内现在大部分教程还停留在“代码驱动”这个层次。在此不做评论，只分享国外一份专业建议（2006-2010）：时间：15年前的，对比一下找找差距，只列一点：Many universities offer courses in Robotics.
大家好，我是梦笔生花，我们一起来动手创建一个两轮差速的移动机器人fishbot。机器人除了雷达之外，还需要IMU加速度传感器以及可以驱动的轮子，我们曾介绍过机器人学部分，曾对两差速模型进行过介绍，所以我们还需要再创建两个差速驱动轮和一个支撑轮。所以接下来梦笔生花将带你一起给机器人添加如下部件和关节：IMU传感器部件与关节左轮子部件与关节右轮子部件与关节支撑轮子部件与关节。
集成多组学数据的机器学习在生物医学中有着广泛的应用，主要包括疾病亚型识别、生物标志物发现、通路分析以及药物发现及其再利用等方面。对于疾病亚型识别，机器学习整合不同组学数据，开发针对个体多样性的多因素预测模型，可以显著减少需要考虑的潜在治疗组合的空间，并识别其他可能被忽视的组合。在生物标志物发现方面，机器学习用于挖掘生物标志物，这些标志物可以用于疾病的诊断、预后和预测。通路分析方面，机器学习用于分析
人工智能（AI）技术继续在多个领域实现突破，从OpenAI Agent的推出到微软开源AI Agent的大更新，再到医疗复杂推理开源大模型的发布，AI技术正以前所未有的速度和规模影响着我们的世界。本文将为您梳理近期的技术热点，带您一探究竟。
大语言模型（LLM）是一门博大精深的学科，涉及到高等数学、python编程、PyTorch/Tensorflow/Onnx等深度学习框架……然而奇妙的是，越是看上去难得要死、一辈子都学不完的技术，入门起来却越是容易。正如阿瑟·克拉克的名言：足够先进的科技看上去与魔法无异。大语言模型先进得如同魔法，我们这些麻瓜也许一辈子都没法完全理解它。但乐观地看，既然大语言模型是魔法，那我们就把它当魔法用好了，用
人工智能有许多优点和缺点，以下是一些常见的：优点：高效性：人工智能可以在短时间内处理大量的数据和任务，提高效率和生产力。可靠性：相较于人类，人工智能可以更快速、更准确地执行任务，并且不会受到疲劳、情绪等因素的影响，提高了任务执行的可靠性。个性化服务：人工智能可以通过分析大量的用户数据，为用户提供个性化的服务和推荐，提高用户体验和满意度。自主学习：人工智能可以通过机器学习和深度学习等技术，自主地学习
深度强化学习（Deep Reinforcement Learning，DRL）将深度学习的感知能力和强化学习的决策能力相结合，可以直接根据输入的图像进行控制，是一种更接近人类思维方式的人工智能方法。深度学习具有较强的感知能力，但是缺乏一定的决策能力；而强化学习具有决策能力，对感知问题束手无策。因此，将两者结合起来，优势互补，为复杂系统的感知决策问题提供了解决思路。智能体与环境的不断交互（即在给定状
然而，由于海洋环境的复杂性和不确定性，AUV的自主控制面临挑战。因此，本文提出了一种基于QLearning自适应强化学习的PID控制器，旨在提高AUV在不确定环境下的控制性能。具体来说，通过QLearning算法优化PID控制器的参数，使其能够适应不同的环境条件并实现更好的控制性能。结果表明，基于QLearning的自适应PID控制器在不同的海洋环境下都能够实现更好的控制性能，表现出更高的稳定性和
1.背景介绍机器人技术的发展是人工智能领域的一个重要方向。机器人可以通过机器人人工智能与算法来实现自主决策、自主运行和与环境互动等功能。本文将从以下几个方面进行探讨：背景介绍核心概念与联系核心算法原理和具体操作步骤以及数学模型公式详细讲解具体代码实例和详细解释说明未来发展趋势与挑战附录常见问题与解答1.1 背景介绍机器人技术的发展是人工智能领域的一个重要方向。机器人可...
工业领域大模型和应用
「极客头条」—— 技术人员的新闻圈！CSDN 的读者朋友们早上好哇，「极客头条」来啦，快来看今天都有哪些值得我们技术人关注的重要新闻吧。整理 | 梦依丹出品 | CSDN（ID：CSDNnews）一分钟速览新闻点！小米高管内部讲话曝光，称目标比肩保时捷特斯拉阿里、京东新增「支持用户仅退款」OPPO 首个 AI 大模型：安第斯 AndesGPT 发布京东宣布明年起一线业务人员年固定薪酬上涨近 100
不得不说，网易作为中国最早一批在游戏里加入AI大模型的厂商，如今也是尝试将其融入到各个新游戏里，这次展出的新游戏里基本也有大模型的参与，至于新技术能够带来怎样的新体验，可能还需要玩家们亲自去探索了。，预示本场活动将会回归到游戏本质，这场展会也将会是游戏爱好者、游戏开发商和来自全球的游戏行业从业人员相聚的时刻。
让我们定义第二个组件，它接收第一个组件（我们的问候消息）的输出，并在此基础上添加一个问题，询问对方近况如何。这个例子说明了如何定义依赖于管道中先前组件输出的组件。# 导入DSL模块以定义组件# 定义依赖于另一个组件输出的组件# 构造一条包含问候和后续问题的新消息。
是一套用于构建AI聊天界面的React组件库。它集成了多种模型提供商，如OpenAI、Anthropic、AWS、Google等，并支持自定义API集成。它旨在简化AI聊天界面的开发过程，使开发者能够快速构建出功能丰富的聊天应用。
大模型微调到底有没有技术含量，或者说技术含量有多大呢。本文为大家总结了一位知乎好友的回答，希望对大家客观认识大模型微调有所帮助。今天给大家带来知乎好友@ybq的一篇回答-大模型微调到底有没有技术含量，或者说技术含量到底有多大？老生常谈的一句话吧：有没有技术含量取决于这个工作你怎么做，尤其是 llm 方向，上手门槛相比传统 NLP 变得更低了。我举一些例子吧，针对大模型微调的几个重要环节，我列举的每
最近一直在看关于喷涂的东西，在网上看了一些教程后自己摸索着操作，感觉效果还不错，能够很好的模拟出喷涂效果。第一次写博客，尽量将自己要表达的东西描述清楚，现将自己的操作过程完整奉上，希望能帮到有需要的人！第1步 在robotstudio中导入机器人（IRB4600）并安装好工具（ECCO 70AS 03）第2步 新建一块长方体模型，调整好位置后点击从布局创建机器人系统（默认设置即可），注意将图中..
作者 | 屠敏出品 | CSDN（ID：CSDNnews）去年 8 月 18 日，正值稚晖君离开华为后闯进创业赛道的第六个月，彼时的他及背后的团队之所以成立「智元机器人（AGIBot）」这家初创公司，也是深知自己想要的究竟什么：对标马斯克的特斯拉“擎天柱”，瞄准通用机器人领域，目标是打造一款具备百亿参数大模型支持、成本控制在 20 万元以内的商业智能机器人。那时，他携智能新人——智元具身智能机器人
FoundationPose是一个统一的基础模型，用于6D对象姿态估计和跟踪，支持基于模型和无模型的设置。在测试时可以立即应用于未见过的新对象，无需微调，只要给出其CAD模型，或者捕获少量RGBD参考图像。得益于统一框架，下游姿态估计模块在两种3D模型设置中都是相同的，当没有CAD模型时，使用神经隐式表示进行高效的新视角合成。通过大规模合成训练，辅以大型语言模型（LLM）、一种基于transfor
PD 控制是常规的控制方法，设计简单，用李雅普诺夫方法证明简单，不需要系统的模型，是无模型控制中的基本方法。
机器人
——机器人
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
科技大视野开发者社区
2048 AI社区
DeepSeek技术社区
MCP技术社区
