这篇文章瞄的是AutoGen官方教学文档Advanced章节中的篇章，介绍了AutoGen库最新（2024年11月之后）引入的一个强大工具子库 MagenticOne。

这篇文章锁定官网教程中Examples章节中的 Self-correcting Text-to-SQL文章，主要介绍了如何使用 Agent 对数据库进行查找。

这篇论文是之前著名 RoboTwin 的续集，2025年06月22日出了第一个预印版，截止当前（2025年07月08日）半个月就在 Github 上获得了 1.2K 个 Star，作者团队也是相当的顶。VLA 领域发展太快，从业者必须时刻跟上前沿进度，所以 Paper 不能停。

这个博客介绍了如何通过 `settings.json` 文件添加一个无人机外的 **固定位置监控相机**，因为在使用过程中发现 Airsim 对外部监控相机的描述模糊，而 Cosys-Airsim 在官方文档中没有提供外部监控相机设置，最后在源码示例中找到了，所以感觉有必要记录下。

该论文旨在解决无人配送的“最后一公里”问题，即小区或单元楼范围的楼栋配送问题，局部定位与路径规划使用的是FastLio2、A*、TEB算法，全局定位与姿态估计靠LLM解决，整个系统zero-shot，同时对比了多个LLM模型，认为 GPT-4o-mini 效果最好。作者在真实与仿真环境中均进行了测试，由于这一领域的相似研究较少，所以文中的模型对比部分内容较为贫瘠，但根据作者的实验结果可以证明他们的

官网链接：https://huggingface.co/docs/smolagents/v1.9.2/en/tutorials/building_good_agents在文档的最前方说到了这部分的核心准则 -对于LLM而言，越复杂的的对话出错的概率越大，因此需要对工作流程进行合理拆分并尽可能简化，即。

这篇文章瞄准的是AutoGen框架官方教程中的Tutorial章节中的官网链接：https://microsoft.github.io/autogen/stable/user-guide/agentchat-user-guide/tutorial/human-in-the-loop.html#；

这篇博客用来记录如何在 Jetson 设备上使用 Dinov3，Dinov2 的用法基本一致。该模型是 Meta 发布的一个视觉感知系列模型，在各个榜上都有很亮眼的成绩，同时也可以作为 VLA 模型的视觉头以强化视觉理解能力，我们发现如果将 pi0 和 pi0.5 的 ViT 头换成 Dino 在成功率上有比较大的提升，后续也会更新这方面的博客。

这是一篇2018年发表在arxiv上有关机器人强化学习的论文，这篇论文非常重要，可以说是做机器人运控强化学习方面必读文章，虽然文中的所有实验都是在仿真环境下展开的，但里面的policy设置方法和训练技巧仍然值得学习。

这篇文章是在 smolagents 官方教程结束后的番外篇二，实现了如何使用 smolagents 库 + Ollama 调用本地模型对图像与文件进行分析。。