这篇文章是 Mujoco 学习系列第二篇，主要介绍一些基础功能与 xmI 使用，重点在于如何编写与读懂 xml 文件。

这个博客也是记录我们的一个开源项目，其作用是混合功能导航。由于现有的 Fast-Lio-Localization 只实现了定位功能，但对于路径规划和楼层切换没有具体实现，因此我们开出了这个仓库作为参考。

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。

这个博客用来记录在 Nvidia Orin 64 GB DK 设备上本地 ollama 部署并评测主流的几个 20GB 以下模型 gpt-oss:20b、gemma3:27b、qwen3:30b 模型的性能，其中 gpt-oss 是 OpenAI 刚刚开源（2025年08月05日）的模型，距离博客形成时间（2025年08月07日）仅过去 2 天，算是赶了一个大早。

这个博客用来记录在 Nvidia Orin 64 GB DK 设备上本地 ollama 部署并评测主流的几个 20GB 以下模型 gpt-oss:20b、gemma3:27b、qwen3:30b 模型的性能，其中 gpt-oss 是 OpenAI 刚刚开源（2025年08月05日）的模型，距离博客形成时间（2025年08月07日）仅过去 2 天，算是赶了一个大早。

这篇博客用来记录在 Macbook Air M4 设备上使用 ChatTTS 的过程。当然，该博客是我们即将开源的一个项目的前期准备工作，最终项目形态是用本地 Ollama + ChatTTS 生成有音色质感的对话，未来还将封装成一个 Ubuntu 平台下的 ros 功能包并尝试在 Jetson 设备上进行部署。

这篇论文是2022年由DeepMind发表的一篇LLM领域重磅级文章，和上一篇读书笔记(OpenAI) 发表有关模型规模和性能的论文一样，这篇也是关于模型训练与边界的论文，主要内容是如何在有限的算力下训练出最优的模型。如果你是从事LLM训练与微调工作的话，这两篇论文都是强烈建议精读的文章。

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。。

这篇博客是继上一篇如何写机器人描述文件 xml 后的更进一步，因为我们不可能从 GUI 中读机器人各个关节或状态信息，所以需要用 mujoco 接口从仿真器中获取位置、速度、力等数据，同时也能够向仿真中写入数据。

这篇文章将结合之前写的两篇文章和建议在运行这个demo之前先查看先前的两篇文章以熟悉 zmq 库与 Depth-Anything V2 这个模型；【注意】：这篇文章的代码需要在中的文件夹下运行，否则会报错找不到对应的文件与模型。