没有工具的 LLM 只是一个"纸上谈兵"的聊天机器人。本章将深入讲解如何为 LLM 赋予调用外部工具的能力，让它不仅能"思考"，还能"执行"。

它的核心任务是自动解析同目录下的项目同名.qmlproject和项目同名+Content文件夹，将所有QML文件和图片资源自动添加到CMake的资源编译（QRC）列表中，省去开发者手动编写资源路径的麻烦。这样，当开发者在Qt Creator中打开这个 CMakeLists.txt 文件时，就能获得一个与你在QDS中完全同步的项目，所有文件引用和结构都是最新的。是的，但是如果是Basic主题，QDS

帮助新手或者即将从事算法开发人员的在MATLAB软件安装过程中避免踩雷，这款算法仿真软件在无人机控制系统、无人车及智能驾驶方面都有很大的应用场景；在使用MATLAB软件过程中，最好的学习资料就是软件自带的介绍资料，善于使用软件中的“帮助中心”，有利于对软件每个模块的理解和应用。

用户可对管辖范围内的无人机设备进行全生命周期管控，涵盖设备名称、品牌、型号、类型、状态等信息的管理与维护。平台可实时监控无人机的飞行状态、位置、高度、速度等信息，以及无人机所搭载的相机、传感器等设备的数据。支持基于高程地图的航线规划，可依据地形海拔动态调整航高，实现地形跟随飞行，有效规避山体、建筑、陡坡风险，保证对地拍摄/巡检距离均匀，提升作业精度与安全性，同时优化续航能耗。对无人机进行远程操控，

不用怕复杂，我们不讲晦涩的理论，只把「从 0 到 1 跑通本地大模型」的步骤拆细，哪怕你刚接触命令行，跟着做也能搞定。其实本地部署大模型，远没有想象中复杂 —— 不用啃厚厚的技术文档，不用精通编程，从安装 Ollama 开始，下载一个轻量模型，十几分钟就能体验到本地 AI 的流畅感。不管你是想低成本用 AI 处理私密数据，还是单纯想折腾下自家电脑的算力，看完这篇，你就能清楚知道：自己的电脑能跑什么

总而言之，这篇论文精准地抓住了传统分离式预测与规划架构的痛点，系统地提出了集成预测与规划系统（IPPS）这个核心概念，并围绕它搭了一套清晰的分类学和分析框架，把深度学习在这次技术范式转移中的关键推动作用讲透了，也前瞻性地指出了这个领域的核心挑战和未来方向。值得一提的是，哪怕到2026年的今天，它提出的核心思想——预测与规划的深度集成——不仅没过时，反而成了业界和学术界公认的主流方向。分离式架构中的

第四章“位形空间”是运动规划的理论核心，提出了将具有体积和形状的机器人抽象为高维空间中一个点的思想。本章定义了位形、自由度及C-Space的拓扑流形结构，阐述了如何将物理世界的障碍物转化为C-Space中的障碍区域（C-Obstacles），并介绍了平移刚体下利用Minkowski和计算障碍区的解析方法，同时讨论了多体系统与闭合链等复杂约束下的空间构建挑战，为后续基于采样的规划算法奠定了数学基础。

当前，OAK-4p-New、Feynman M360等产品均已采用多鱼眼相机方案实现全向感知，印证了四目同步设计的技术共识。无论是园区物流AGV在复杂路况下的自主避障，还是工业巡检机器人在密闭管道中的精准定位，都离不开视觉传感器对环境的实时、精准感知。从服务机器人的全屋建图，到工业巡检机器人的精准导航，再到自动驾驶的多传感器融合——让机器“看清”世界的方式，正在被重新定义。相机底板仅77.5×42

机器人如何自主决策？自动驾驶、人形机器人这些热门方向背后，都绕不开同一个核心问题——规划（Planning）。本次分享带大家走进 LaValle 的经典著作《Planning Algorithms》，从第一章入手，拆解规划问题的七大基本要素，建立对规划算法领域的整体认知。读完你会明白：为什么状态空间、动作、转移函数这些抽象概念，是设计任何智能系统的起点。

不用怕复杂，我们不讲晦涩的理论，只把「从 0 到 1 跑通本地大模型」的步骤拆细，哪怕你刚接触命令行，跟着做也能搞定。其实本地部署大模型，远没有想象中复杂 —— 不用啃厚厚的技术文档，不用精通编程，从安装 Ollama 开始，下载一个轻量模型，十几分钟就能体验到本地 AI 的流畅感。不管你是想低成本用 AI 处理私密数据，还是单纯想折腾下自家电脑的算力，看完这篇，你就能清楚知道：自己的电脑能跑什么