本文提出基于APUS AI Lab的fast-browser-use范式，将开放式生成转为有限候选单Token选择，实现机器人任务层决策本地化。依托阿加犀犀牛派X1/QCS8550平台，全链路推理在端侧完成，避免云端依赖，降低延迟与成本。通过改造动作空间裁剪与本地量化模型（如llama.cpp/GGUF），构建安全、高效、可校准的System-1决策皮层，支持失败归因、恢复策略与人工接管，真正实现

本文记录高通Follow Me人物跟随机器人部署中的典型问题与高效排障方法。针对“编译成功但找不到person_tracker_node”等常见困境，提出从数据流逐层排查的系统性思路：从Build、Camera、YOLO到Re-ID、PID等8个层级依次验证，避免盲目调参。重点指出main分支中CMake注释导致节点未编译的问题，并强调冻结版本、检查依赖（如qrb_ros_people_reid）

本文基于Qualcomm Dragonwing IQ-9075 EVK平台，实现机器人“跟随我走”功能。通过ROS 2框架，整合YOLOv8目标检测、Re-ID身份追踪、深度相机测距与双PID控制，构建从视觉感知到运动控制的完整闭环。系统在Gazebo仿真环境中验证算法链路可行性，最终实现机器人稳定保持2米距离跟随指定人员，具备抗干扰与持续追踪能力，为边缘AI+机器人应用提供可复用的工程范式。

本文基于 Qualcomm qrb_ros_samples 的 simulation_remote_assistant 项目，构建“Simulator + Edge AI”系统：在 PC 上运行 Gazebo 仿真环境，利用 Dragonwing IQ-9075 EVK 实现 SLAM、重定位、Nav2 自主导航与 YOLOv8 目标检测。通过 ROS 2 DDS 通信，完成“go to offi