本文介绍了基于ROS2和YOLOv8的药板识别与抓取系统开发过程。项目使用Kinova Gen3机械臂和Intel Realsense D435i深度相机，实现了从药板识别到机械臂抓取的全流程自动化。作者详细阐述了环境配置、相机驱动安装、YOLOv8模型部署与训练等关键技术环节，特别分享了数据增强和负样本训练提升识别精度的经验。目前系统已完成药板识别、坐标发送和机械臂运动规划，仅剩抓取工具集成调试

ai agent简单实战+模仿学习+强化学习+slam基础

文章摘要： 作者分享了自己学习Andrew Ng的Agentic AI课程的心得体会。文章首先解释了Agentic AI的概念及其相较于传统大语言模型的优势，包括处理复杂流程、自主评估修改和自动化工作流三大特点。随后详细介绍了AI Agent的三个核心设计模式：反思（包括基础自省、思考模型和外部反馈三个层级）、工具使用（模型自主调用函数工具）和规划能力。文章还讨论了代码执行的安全问题，强调沙盒环境

手撕了一个数据库ai agent，拆解了ai agent的工作流程（主要是function call）

摘要：本文探讨了大模型的两大应用方向——大语言模型和具身智能的发展现状与挑战。大语言模型因数据充足发展迅速，而具身智能受限于交互成本高、数据标注昂贵等问题进展缓慢。作者认为具身智能是更有价值的科研方向，并分析了强化学习等关键技术。文章还介绍了基础模型的特点、评估方法，以及具身智能的六大发展趋势，包括从单一任务转向预训练模型、解决数据稀缺问题等。最后指出具身智能短期内难以实现AGI，但仍是值得投入的

摘要：本文探讨了大模型的两大应用方向——大语言模型和具身智能的发展现状与挑战。大语言模型因数据充足发展迅速，而具身智能受限于交互成本高、数据标注昂贵等问题进展缓慢。作者认为具身智能是更有价值的科研方向，并分析了强化学习等关键技术。文章还介绍了基础模型的特点、评估方法，以及具身智能的六大发展趋势，包括从单一任务转向预训练模型、解决数据稀缺问题等。最后指出具身智能短期内难以实现AGI，但仍是值得投入的

摘要：本文探讨了大模型的两大应用方向——大语言模型和具身智能的发展现状与挑战。大语言模型因数据充足发展迅速，而具身智能受限于交互成本高、数据标注昂贵等问题进展缓慢。作者认为具身智能是更有价值的科研方向，并分析了强化学习等关键技术。文章还介绍了基础模型的特点、评估方法，以及具身智能的六大发展趋势，包括从单一任务转向预训练模型、解决数据稀缺问题等。最后指出具身智能短期内难以实现AGI，但仍是值得投入的

ai agent简单实战+模仿学习+强化学习+slam基础

ai agent简单实战+模仿学习+强化学习+slam基础

计算机视觉发展史与图像分类方法概述 本文回顾了计算机视觉发展历程，重点介绍了ImageNet数据集对AI发展的重要作用。文章详细阐述了图像分类的基本原理和数据驱动方法，包括最近邻分类器（L1/L2距离）和k-最近邻分类器的实现与比较。特别讨论了超参数调优和交叉验证方法。最后引入线性分类器概念，解释其数学原理和优势，如计算效率高、参数可复用等特点。文中配有示意图和代码示例，帮助理解不同分类器的实现细