CogNav框架创新性地通过VLM和LLM协同解决具身AI中的目标物体导航难题。该框架构建包含场景图、地标图和占用图的异质认知地图，动态整合语义与空间信息。核心创新在于：1）用VLM实现多模态环境表征；2）通过LLM模拟人类五阶段认知过程（广泛搜索→目标确认）；3）实现零样本、开放词汇的导航能力。实验表明，相比传统方法，CogNav在HM3D等数据集上成功率显著提升，且支持跨场景泛化。该工作为具身

本文分享在自己的本地电脑部署 DeepSeek，而且轻松简易，快速上手。借助Ollama工具，在Windows系统中进行大模型部署~

摘要：Mem0提出了一种可扩展的以内存为中心的算法，通过动态提取和检索关键对话信息，解决大语言模型固定上下文窗口的限制问题。其增强版Mem0g引入图结构记忆，捕捉对话元素间的复杂关系。实验表明，在LOCOMO基准测试中，相比OpenAI，该方法准确度提高26%，延迟降低91%，令牌使用减少90%。Mem0采用两阶段架构（提取+更新），通过轻量化上下文提取关键记忆；Mem0g则通过图结构增强记忆表示

前言本文是观看DR_CAN老师的视频后，简单总结了一下的笔记；这里主要讲卡尔曼滤波器与递归算法。卡尔曼滤波器卡尔曼滤波器，Kalmen Filter；可理解为是一种算法：最优化 递归 数字处理 算法。它更像一种观测器，而不是一般意义的滤波器。卡尔曼滤波器应用非常广泛，主要是因为很多事物存在不确定性，不确定性体现在三个方面：不存在完美的数学模型；系统存在扰动，或很难建模；测量传感器存在误差。案例1

LPCG是一种用激光点云指导-单目3D目标检测的方法，通过点云数据生成海量粗略的3D标签，生成过程中不用对点云进行标注；降低3D标签的成本。同时这些海量“粗略的3D标签”位置是准确的，只是尺寸和朝向有些偏差；所以如何通过点云数据，直接生成粗略的3D标签是LPCG论文亮点。用这些海量“粗略的3D标签”，作为伪标签指导单目3D目标检测训练。这种方法可以应用到各种单目3D目标检测模型中，模型精度提升大，

苹果团队提出的FastVLM通过创新的FastViTHD混合编码器解决了高分辨率视觉语言模型(VLM)的效率问题。该模型采用5阶段混合架构，前3阶段使用RepMixer块进行局部特征提取，后2阶段采用自注意力机制捕捉全局依赖，通过渐进式下采样将视觉token减少16倍。相比传统ViT-L/14模型，FastVLM在保持同等性能（38项任务平均66.3分）的同时，模型尺寸缩小2.4倍，推理速度提升6

本篇文章主要分享在华为云NAIE的数据服务中，进行数据入湖、数据处理。数据入湖简介我们在华为云开通“数据资产管理服务”后，把本地的数据上传到数据湖OBS中。流程1）先准备数据，以.csv为后缀的文件；2）进入数据资产管理服务，选择“治理工具”下面的“数据加载”，把本地的数据上传数据到湖OBS中。特点1）数据输入端：本地文件、租户OBS、数据湖OBS、HIVE、DWS等方式2）数据生产端：数据湖OB

前言前段时间在华为云-云享MindTalks第十二期中分享了双目视觉，个人的水平比较菜，分享时间也比较短，只能简单地分享一下基础和思路；制作PPT时主要参考了一些论文，同时也参考了一些网上的博客；目录单目视觉双目视觉1）双目摄像头2）打开双目摄像头3）双目测距4）立体视觉系统双目立体匹配（额外讲解）参考开始分享单目视觉双目视觉1）双目摄像头2）打开双目摄像头链接3）双目测距...

本文章来自：Apollo开发者社区原创：阿波君传感器标定是无人车最基础也是最核心的模块之一。作为软件层提供的第一项服务，标定质量和准确度极大地影响着感知、定位地图、PNC等模块。在 Apollo 开源自动驾驶平台中，我们提供了丰富的多传感器标定服务，如激光雷达、惯导、摄像头、多普勒雷达等多种传感器之间的标定。算法覆盖常规 Level 2-Level 4 级别自动驾驶...

DOV-SG 建了动态 3D 场景图，并使用LLM大型语言模型进行任务分解，从而能够在交互式探索过程中对 3D 场景图进行局部更新。来自RA-L 2025，适合长时间的 语言引导移动操作，动态开放词汇 3D 场景图。