本文介绍了Datawhale推出的嵌入式开发课程项目，该项目结合AI大模型API与硬件开发，实现语音对话功能。课程分为两期，详细列出了每期所需的硬件设备（如ESP32-S3开发板、语音识别模块等）和软件工具（Arduino IDE等）。作者分享了第一期学习成果，包括B站发布的打卡视频，并提出了需要改进的四个技术问题（如响应延迟、语音重复等）。第二期课程在硬件配置上有所调整，改用集成模块和杜邦线连接

摘要：本文分享了AI鲸鱼小车开发的学习资源与项目进展。课程教程和指南已在GitHub和Datawhale平台发布。作者完成了第一期课程并在B站发布了Task1-4的打卡视频。第二期优化了语音交互功能：将录音时长从15秒改为静音检测（4000ms），解决了ESP32语音包版本问题（3.2.0修复了尾音重复）。但仍存在未实现功能：显示屏通信、多语音模型切换。当前实现了类似车机的唤醒词交互模式，避免了持

本文介绍了AI鲸鱼小车的嵌入式开发学习资源与语音模块调试方法。课程提供GitHub教程和Datawhale学习指南，作者已完成第一期课程并发布B站打卡视频。重点讲解了天问语音模块与陶晶驰串口屏的调试：1）安装天问Block和串口屏烧录程序；2）语音控制逻辑（唤醒词设置、对话/运动模式切换）；3）通过串口通信控制屏幕页面显示；4）解决UTF-8与GBK编码乱码问题的两种方案，推荐使用串口屏添加UTF

本文分享了AI鲸鱼小车嵌入式开发的学习资源和实践经验。提供了GitHub课程主页和Datawhale学习指南链接，并展示了已完成的4个任务B站打卡视频。重点记录了Task2软件烧录的注意事项：1）Arduino IDE安装路径选择C盘更稳定；2）ESP32-S3仅支持2.4G网络连接；3）通过串口监视器调试时可使用Serial.print/println输出日志；4）烧录时无需断开其他电路，整机操

本文记录了无人机多模态大模型实践项目的学习过程。主要内容包括：1）完成GroundingDINO环境配置时遇到的git克隆超时、依赖安装失败等问题及解决方法；2）Airsim仿真器下载和使用中的困惑；3）Gradio安装版本不匹配的解决方案。虽然最终项目未能完全成功运行（无人机模型未加载、部分文件缺失），但通过实践积累了宝贵经验，为后续学习奠定了基础。作者表示该项目理论难度较高，环境搭建复杂，需要

本文记录了无人机多模态大模型实践项目的学习过程。主要内容包括：1）完成GroundingDINO环境配置时遇到的git克隆超时、依赖安装失败等问题及解决方法；2）Airsim仿真器下载和使用中的困惑；3）Gradio安装版本不匹配的解决方案。虽然最终项目未能完全成功运行（无人机模型未加载、部分文件缺失），但通过实践积累了宝贵经验，为后续学习奠定了基础。作者表示该项目理论难度较高，环境搭建复杂，需要

本文记录了无人机多模态大模型实践项目的学习过程。主要内容包括：1）完成GroundingDINO环境配置时遇到的git克隆超时、依赖安装失败等问题及解决方法；2）Airsim仿真器下载和使用中的困惑；3）Gradio安装版本不匹配的解决方案。虽然最终项目未能完全成功运行（无人机模型未加载、部分文件缺失），但通过实践积累了宝贵经验，为后续学习奠定了基础。作者表示该项目理论难度较高，环境搭建复杂，需要

摘要：本文分享了AI鲸鱼小车开发的学习资源与项目进展。课程教程和指南已在GitHub和Datawhale平台发布。作者完成了第一期课程并在B站发布了Task1-4的打卡视频。第二期优化了语音交互功能：将录音时长从15秒改为静音检测（4000ms），解决了ESP32语音包版本问题（3.2.0修复了尾音重复）。但仍存在未实现功能：显示屏通信、多语音模型切换。当前实现了类似车机的唤醒词交互模式，避免了持

我的理解是，物体（标定定位板）上画了一些严格的格子（刻度是固定的），这个根据刻度在摄像头上显示的所占像素的多少，就可计算出物体（标定定位板）在摄像头坐标系中的3d坐标了。这样，摄像头看到的物体-->定位到物体的摄像头坐标系位置-->转换为机械臂基座坐标系-->机械臂就可抓取物体了。手眼标定（Hand-Eye Calibration）是机器人视觉应用中的一个基础且关键的问题，主要用于统一视觉系统与机

我的理解是，物体（标定定位板）上画了一些严格的格子（刻度是固定的），这个根据刻度在摄像头上显示的所占像素的多少，就可计算出物体（标定定位板）在摄像头坐标系中的3d坐标了。这样，摄像头看到的物体-->定位到物体的摄像头坐标系位置-->转换为机械臂基座坐标系-->机械臂就可抓取物体了。手眼标定（Hand-Eye Calibration）是机器人视觉应用中的一个基础且关键的问题，主要用于统一视觉系统与机