VS2022跨平台Linux CMake项目搭建过程1. 环境准备开发机器：VS2022(VS2019 16以上都支持)下载地址：https://visualstudio.microsoft.com/zh-hans/vs/应注意Linux开发负载要存在，根据下图检查Linux设备：请确保安装了以下项：gccgdbrsynczipninja-build（Visual Studio 2019 或更高版

优雅的进行STM32开发，MDK已经不是唯一的选择，依托jetbrains系列开发工具的高效和舒适的开发体验，稚晖君也对STM32CubeMX与CLion的联合开发环境进行了推荐，同时HAL库又是官方推荐，提升开发体验势在必行。

基于深度强化学习(DRL)的ARE方法，在注意力机制的加持下，允许智能体在不同的空间尺度上推理局部地图中不同区域的依赖关系，从而允许智能体在不需要优化长路径的情况下有效地对空间非近视决策进行排序。首先将自主探索表述为覆盖已知可穿越区域的无碰撞图上的顺序决策问题，其中一个节点是机器人的当前位置。然后，使用基于注意力的神经网络选择机器人当前位置的一个相邻节点作为机器人的下一个视点。

BERT（Bidirectional Encoder Representations from Transformers）是一种预训练模型，它是自然语言处理（NLP）领域的重大里程碑，被认为是当前的State-of-the-Art模型之一。BERT的设计理念和结构基于Transformer模型，通过无监督学习方式进行训练，并且能够适配各种NLP任务。预训练模型是指在大规模文本数据上进行大量无监督训

在ROS开发中，有时会加载图片文件转为地图载入move_base，这个时候调试程序的时候会有像素坐标系到map坐标系的转换，需要确认自己的程序是否正确的达到了转换的目的，那么需要这样一个工具来描点，然后消除点，可以用Debug的方式逐步运行，保证绘点和消除点的效果正确性。在图片格式的地图中，地图有自己的像素坐标系，对于转换关系在笔者之前的博客中已有提及。那么在map坐标系到像素坐标系的转换中，需要

RGB-D的视觉传感器数据输入SM内存块，本内存块对传感器的观测数据进行数据降维、特征提取、位姿计算后，加入STM内存块，在STM内存块添加时序相邻的节点若相似度较高，则对两个节点进行权重更新的融合计算，当STM区满后，挑选最早加入STM的节点移出，并加入到WM进行后续的闭环检测搜索节点储备，WM中的闭环检测涉及词袋模型和贝叶斯滤波，视觉词袋用于计算两个节点之间的相似度，贝叶斯滤波器维护节点之间的

基于深度强化学习(DRL)的ARE方法，在注意力机制的加持下，允许智能体在不同的空间尺度上推理局部地图中不同区域的依赖关系，从而允许智能体在不需要优化长路径的情况下有效地对空间非近视决策进行排序。首先将自主探索表述为覆盖已知可穿越区域的无碰撞图上的顺序决策问题，其中一个节点是机器人的当前位置。然后，使用基于注意力的神经网络选择机器人当前位置的一个相邻节点作为机器人的下一个视点。

HomeRobot：开放词汇移动操作 (OVMM) 挑战赛的目标是创建一个平台，使研究人员能够开发能够导航陌生环境、操作新颖对象以及从封闭对象类别转向开放词汇自然语言的代理。该挑战赛旨在利用机器学习、计算机视觉、自然语言和机器人技术的最新进展，促进具体人工智能的跨领域研究。本文复现了habitat具身智能挑战赛的实验，希望可以帮到相关研究人员。

本博客详细描述了一种蔬菜分拣机器人的设计，包含视觉和硬件部分，是笔者参赛的技术报告转编而来，面向RoboWork的视觉分拣组，含核心代码的解释，视觉检测基于Resnet-50，主要体现一种设计思路，整篇的方法可以作为设计参考

SIFT(尺度不变特征变换)1. 概述Sift（尺度不变特征变换），全称是Scale Invariant Feature TransformSift提取图像的局部特征，在尺度空间寻找极值点，并提取出其位置、尺度、方向信息。Sfit的应用范围包括物体辨别、机器人地图感知与导航、影像拼接、3D模型建立、手势识别、影像追踪等。Sfit算法的实质是在不同的尺度空间上查找关键点（特征点），计算关键点的大小、