预测：根据模型估计当前状态更新：根据传感器修正当前状态权重：由不确定性自动决定一维 Kalman 滤波可以帮助我们理解基本概念。二维[x, v]模型可以进一步说明：即使传感器只测位置，也可以通过状态相关性间接估计速度。目标跟踪传感器融合机器人定位IMU 融合视觉/雷达里程计深度数据平滑我在估计什么状态？我的运动模型是什么？我的传感器观测了什么？把这三个问题想清楚，Kalman 滤波就不再是玄学公式

如果只看名字，很多人第一反应可能是：“啊？NVIDIA 不是卖 GPU 的吗？怎么也开始认真做 CPU 了？这句话放在十年前没什么问题，但放到现在 AI 时代，就有点不够用了。因为现在的大模型系统，已经不是单纯“GPU 跑矩阵乘法”这么简单了。真正复杂的地方，正在从单次推理，变成一整套。比如一个 AI Agent 要完成一个任务，它可能需要：理解用户需求；调用工具；执行 Python 代码；查询数

如果只看名字，很多人第一反应可能是：“啊？NVIDIA 不是卖 GPU 的吗？怎么也开始认真做 CPU 了？这句话放在十年前没什么问题，但放到现在 AI 时代，就有点不够用了。因为现在的大模型系统，已经不是单纯“GPU 跑矩阵乘法”这么简单了。真正复杂的地方，正在从单次推理，变成一整套。比如一个 AI Agent 要完成一个任务，它可能需要：理解用户需求；调用工具；执行 Python 代码；查询数

类似 ROS2、SLAM、Nav2、LiDAR、YOLO、深度相机、点云重定位这个方向，本质上不是一个单一岗位，而是机器人行业里非常典型的“系统型技术栈”。所以，如果你做过 ROS2、Nav2、LiDAR、TF、Gazebo、实机部署，那么“机器人软件工程师”是非常值得优先投递的方向。如果你会 Gazebo、RViz、URDF、TF、Nav2、传感器驱动、底盘接口，那么就可以围绕“仿真到实机闭环”

WWDC26 的核心不是“苹果又做了一个 AI 聊天机器人”，而是苹果正在把 AI 从一个独立 App，重新塞回操作系统、系统应用、开发框架和设备生态里。

WWDC26 的核心不是“苹果又做了一个 AI 聊天机器人”，而是苹果正在把 AI 从一个独立 App，重新塞回操作系统、系统应用、开发框架和设备生态里。

没有雷达、没有机器人，就不能学 Nav2 和 3D LiDAR 导航了吗？本文介绍我开源的 ROS 2 3D LiDAR 导航工作空间 `Lidar_nav2_ws`，它支持 Gazebo 仿真和真实机器人部署，核心思路是先在仿真中跑通 LiDAR、LIO、点云处理、重定位和 Nav2 导航流程，再尽量复用同一套系统切换到实机。项目适合想学习 Livox MID-360、ROS 2 Nav2、3D