logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

从“画画小精灵”到商业落地:生成式AI在电商、游戏和营销里的真实案例

本文探讨了生成式AI(GAI)在电商、游戏和营销领域的商业化实践,通过真实案例展示了其如何从概念验证阶段快速转化为商业价值。文章详细分析了GAI在电商视觉内容生成、游戏资产生产管线重构以及营销内容工业化中的应用,揭示了效率提升和成本优化的具体数据,同时指出了商业化落地过程中的挑战与应对策略。

#生成式AI#游戏开发
具身智能零基础入门:从仿真闭环到强化学习的实操路线

具身智能并非单一技术,而是仿真、感知、决策与控制协同的系统工程。零基础学习常陷入工具安装与概念堆砌,却难以搭建可运行的机器人项目。本文将基础概念与工程实践结合,从物理仿真器、状态估计、强化学习到具身大模型,梳理一条从随机动作到稳定策略的落地路径。理解“感知-决策-控制”最小闭环,是入门的关键。借助MuJoCo等仿真工具,可以先跑通简单任务,再逐步扩展感知模块与大模型规划,最终形成完成真实项目的系统

端侧AI颜值测评实战:四种技术架构与性能优化解析

端侧AI正在重塑移动应用中的实时视觉交互体验,其核心挑战在于平衡模型效果与资源消耗。从人脸检测与人脸对齐技术出发,模型量化可显著压缩体积并加速推理,同时保持精度稳定。随着用户对个性化体验的需求提升,颜值测评等轻量化应用成为端侧AI落地的典型场景。不同实现路线——基于几何特征规则、轻量CNN回归、生成模型联动以及多模型组合——各有权衡,在可解释性、工程复杂度和设备兼容性上差异明显。通过分析这四种主流

衍辉AI速递9.8解读:机器人产线、AI Agent与ROS2的落地实践

在工业自动化与机器人技术加速融合的背景下,产线级机器人应用正从固定工位走向柔性调度,机器人自主下线成为衡量技术成熟度的重要标志。文章结合衍辉AI速递9.8期资讯,围绕机器人产线、ROS2导航与SLAM、AI辅助PLC编程以及AI Agent接管日常协作等热点,梳理了从概念原理到工程落地的关键技术路径。内容不仅拆解了机器人产线调度的四层支撑,还给出了基于ROS2的最小闭环搭建方法、企业微信机器人日报

#AI Agent
基于机器视觉的在线学习专注度检测系统设计与实现

计算机视觉作为人工智能的重要分支,通过图像处理与模式识别技术实现对视觉信息的智能分析。其核心原理是利用卷积神经网络(CNN)等深度学习模型自动提取特征,在工业检测、安防监控等领域已有成熟应用。在教育科技领域,结合OpenCV和Dlib等开源库开发的轻量级视觉系统,能够实时分析学习者面部特征,准确识别视线方向、头部姿态等关键指标。这种非接触式的专注度检测技术,既避免了传统屏幕监控易被欺骗的缺陷,又克

具身智能学习路线与面试指南:从ROS2到Agent实战

从人工智能到机器人技术,具身智能正在成为AI走向物理世界的核心方向。它融合大模型、计算机视觉与机器人控制,构建了感知—决策—控制的完整闭环。在产业端,具身智能Agent正快速渗透智能制造、仓储物流、家庭服务等场景,催生出大量复合型人才需求。对于开发者而言,掌握ROS2这一机器人开发框架,理解SLAM、路径规划等经典算法,并能够将大模型Agent部署到真实机器人上,已成为从嵌入式或AI工程师转型的关

Matlab机器人工具箱六自由度机械臂D-H建模5步流程与正运动学验证

机器人运动学建模是串联机械臂控制与仿真的基础。Denavit-Hartenberg参数法通过四个参数描述相邻连杆的相对位姿,是六自由度机械臂结构抽象与坐标系变换的标准工具。在Matlab环境中,结合Robotics Toolbox的Link、SerialLink等对象,可实现从参数表到三维模型的快速搭建。正运动学验证(fkine)则用于确认末端位姿与理论计算一致,是校验模型正确性的关键环节。本文面

ROS2与YOLO实战部署:构建实时目标检测节点全指南

在机器人操作系统(ROS2)与深度学习融合的浪潮中,YOLO系列模型作为实时目标检测的主流技术,正被广泛用于智能小车、自动驾驶及工业机器人。ROS2的分布式通信机制与YOLO的高效推理能力结合,可构建出模块化的视觉感知系统。其核心在于通过DDS协议实现话题(Topic)的松耦合数据交换,让检测结果成为机器人系统各节点可订阅的标准化数据源。本文从环境配置、QoS策略、节点实现到模型版本差异,系统梳理

#目标检测
机器视觉量产参数漂移根因与工程化锁参方案

机器视觉检测中,参数漂移是导致量产误判的核心问题,常表现为调试完美但产线失控。其原理涉及光源衰减、温漂、相机暗电流、机械应力释放及算法阈值裕度不足等多层链路。通过光源闭环控制、温度补偿、结构防漂设计及算法容差优化,可显著提升系统稳定性。在消费电子、锂电、汽车零部件等高精度场景中,建立基线档案、趋势监控与定期校准制度,能有效降低误判率。本文聚焦参数漂移的根因排查与工程化锁参实践,为视觉工程师提供可落

AMD 395端侧AI实战:统一内存跑Qwen3.8-Flash-Next全记录

大模型本地部署正成为AI应用落地的重要方向,其核心挑战在于显存容量与内存带宽的限制。传统独立显卡虽算力强大,但显存不足常导致推理中断或速度骤降。统一内存架构通过让CPU、GPU、NPU共享物理内存,有效突破这一瓶颈,使端侧设备获得接近云端的推理体验。以AMD 395平台为例,其高达256GB/s的内存带宽可支撑大模型权重的高效读取,配合Qwen3.8-Flash-Next等针对端侧优化的模型,以及

    共 70 条
  • 1
  • 2
  • 3
  • 7
  • 请选择