LLaVA和BLIP2是两种典型的多模态大模型技术路线：LLaVA采用简洁的MLP投影器将视觉特征映射到语言模型，通过端到端微调让LLM学会“看”图像；BLIP2则通过Q-Former筛选视觉信息，将压缩后的特征输入冻结的LLM。LLaVA训练成本较高但擅长对话任务，BLIP2效率更高且零样本能力突出。两者在视觉问答、图文生成等任务上各有所长，反映了“端到端学习”与“模块化设计”的哲学差异。

运动规划学习笔记

TicTacToe 是一个简单的对抗游戏,棋盘大小为 3 × 3,谁先将棋子连成线(横、竖、斜),谁就获得胜利。(× 先手) 这里要求大家实现以下功能:(1) 用数值的方式表示状态、动作、奖励(+1/0/-1 区分胜/平/负)(2) 环境类,环境能够根据智能体的动作给出反馈。即实现成员函数step(a)→s, r(3)智能体类,并包含一个随机策略,即从剩下的空位中随机采样一个位置下。函数...

由于python代码要同时用到pytorch和ros，因此需要在conda环境里面运行python程序。但是终端运行时，在运行到rospy.init_node时，程序会卡住，不会报错，但是后面的代码不会执行，一直卡住没反应。1.在setting里面点击下拉菜单，点击Python Interpreter的下拉菜单选择“Show All”后面在pycharm里面运行时解决了该问题，不过需要要rospy

首先构造出线性分类器，再将线性分类器组合成非线性分类器，然后还可将非线性分类器组和成更为复杂的非线性分类器。其中线性分类的核心就是用S函数将偏差转换为概率，再以交叉熵来量化分类的好坏，然后最小化交叉熵来实现分类（S函数只是激活函数的一种）。...

目录1.总体框架2.数据采集3.特征提取4.模型、学习准则和优化算法的确定5.模型的使用1.总体框架2.数据采集由于机器学习是从数据中进行学习的方法，所以首先要针对想要解决的问题进行数据的采集。数据的采集主要有两种途径，一种是自己采集，另一种就是去网上找公开的数据集。数据采集完成后，就得到了原始的数据。3.特征提取由于原始数据繁多，我们需要从原始数据中，提取出跟想要解决问题相关的数据作为特征（一些

随机优化（SO）和鲁棒优化（RO）实际上都是针对不确定情况的优化方法，从系数本身来说，SO需要知道或者预设一个该系数的概率分布，而RO需要知道这个系数的取值范围。从求解思路上来说，SO通常是限制失败的概率，即出现不确定系数的这个约束公式有X的概率成立，由于系数的概率分布已知，可以将这条约束转化成确定性约束，进而求解。RO的思路就要保守一些，简单说就是我不能接受约束条件失效。对于这个系数的所有取值我

各类文献检索下载网站。

为了满足车辆转向执行器的限制，生成的路径应该满足连续曲率，峰值曲率和最大曲率的约束，采用参数化的三次B样条曲线来规划路径，如下图所示：图中具有4个控制点和9个参数节点的三次B样条曲线能够被定义为：其中Bi,j代表B样条曲线的基函数，可以通过deBoox-Cox公式递推得到。为了满足起点和目标点的约束，顶部和底部的端点需要设置为三个节点，因此参数节点的矢量将设置为[0,0,0,0,0.5,1,1,1

目录1.总体框架2.数据采集3.特征提取4.模型、学习准则和优化算法的确定5.模型的使用1.总体框架2.数据采集由于机器学习是从数据中进行学习的方法，所以首先要针对想要解决的问题进行数据的采集。数据的采集主要有两种途径，一种是自己采集，另一种就是去网上找公开的数据集。数据采集完成后，就得到了原始的数据。3.特征提取由于原始数据繁多，我们需要从原始数据中，提取出跟想要解决问题相关的数据作为特征（一些