Pink是一个基于二次规划(QP)的Python逆运动学(IK)求解库，专为解决机器人多任务运动规划问题而设计。该库由法国学者Stéphane Caron开发，基于Pinocchio动力学库构建，通过加权任务方法处理多个冲突目标（如末端定位与平衡保持）。Pink将复杂IK问题转化为QP形式，支持多种求解器，并正确实现了李群上的位姿误差计算。主要功能包括FrameTask（末端位姿跟踪）和Postu

LoIK算法提出了一种高效求解微分逆运动学的新方法，通过借鉴动力学算法的对偶性原理，将问题转化为线性复杂度优化。核心创新包括混合坐标表示保留运动学稀疏性、增广拉格朗日ADMM框架分解问题，以及递归LQR求解器实现线性时间计算。相比传统QP方法，LoIK在保持精度的同时显著提升了计算效率，尤其适用于高自由度机器人系统。该算法已开源实现于GitHub（https://github.com/Simple

摘要：在Ubuntu 22.04系统安装NVIDIA RTX 5070显卡驱动时，尽管按照推荐安装了nvidia-driver-580，但nvidia-smi仍显示"No devices were found"。通过排查发现新硬件兼容性和Secure Boot冲突可能是主因，最终安装开源版驱动nvidia-driver-580-open成功解决问题。经验表明，对于新显卡应优先尝

LoIK算法提出了一种高效求解微分逆运动学的新方法，通过借鉴动力学算法的对偶性原理，将问题转化为线性复杂度优化。核心创新包括混合坐标表示保留运动学稀疏性、增广拉格朗日ADMM框架分解问题，以及递归LQR求解器实现线性时间计算。相比传统QP方法，LoIK在保持精度的同时显著提升了计算效率，尤其适用于高自由度机器人系统。该算法已开源实现于GitHub（https://github.com/Simple

这个错误通常是由于系统找不到共享库文件。

PySide6 将.ui文件编译为.py文件

(1) TO（Trajectory Optimization，轨迹优化)(2) MPC（Model Predictive Control，模型预测控制)(3) WBC（Whole Body Control，全身控制)

机器人运动学参数标定

CCTag 标记技术通过独特的同心圆编码方式，实现了高精度、高鲁棒性的标记识别。尽管其计算成本较高，但在需要高精度定位和识别的应用中，CCTag 具有显著的优势。未来，随着计算能力的提升和算法的优化，CCTag 有望在更多领域得到应用和推广。希望本文能帮助读者更好地理解 CCTag 标记技术，并在实际应用中充分发挥其优势。

Ruckig 是一种实时轨迹生成器，允许机器人和机器即时响应传感器输入。Ruckig 从任意初始状态开始，计算到目标路径点（包括位置、速度和加速度）的轨迹，并受限于速度、加速度和加加速度约束。除了目标状态外，Ruckig 还允许定义中间位置以进行路径点跟踪。对于状态到状态的运动，Ruckig 保证时间最优解。通过中间路径点，Ruckig 联合计算路径及其时间参数化，与传统方法相比，生成的轨迹显著更