- 博客(137)
- 收藏
- 关注
RSS订阅原创 一块开发板搞定 AI 摄像头 —— ShiMeta Pico-G1 开发者入门指南
做 AI 摄像头这件事，最难的往往不是"AI 模型怎么训"，而是"怎么让 Sensor 稳定出图、怎么让低照度画质达标、怎么让 AI 结果实时跑在端侧"。这三个问题，正是 Pico-G1 花了最多工程精力去解决的事情。全球 AI 视觉芯片市场正在快速增长，IPC 行业对"既懂嵌入式又懂 AI"的开发者需求越来越大。Pico-G1 提供了一条学习路径：从视频采集到 ISP 调优，从 AI 部署到系统集成——一块板子，全覆盖。
2026-06-18 10:14:37
313
原创 从833ms到33ms：事件相机+单帧RGB破解直射-全局光分离难题，比传统方法快20倍！
【摘要】本研究提出首个基于事件相机的直接-全局光照分离方法EvDiG，在33ms单帧采集时间内实现超越传统多帧方法（需833ms）的分离精度。通过事件流累积重建亮度变化获取粗分离结果，结合EvSepNet和ImColorNet神经网络分别优化灰度分离与色彩还原，有效解决了镜面互反射等复杂光照场景的难题。实验显示其PSNR比单帧深度学习方法提升5%，LPIPS降至0.077，并成功应用于动态场景和室外强光环境。该技术依托事件相机微秒级时间分辨率和超高动态范围特性，为三维重建、材质分析等应用提供高效解决方案。研
2026-06-10 11:04:18
338
原创 AERO-VIS——首个仅用事件相机、在无人机机载芯片上实时运行的视觉-惯性SLAM系统
在将 AERO-VIS 这种前沿算法落地于 NVIDIA Jetson Orin NX 等嵌入式平台时，工程实现上存在几个关键的适配要点：异步流水线的资源竞争控制：AERO-VIS 采用了线程解耦策略，Preprocessing 线程与 SLAM Frontend 异步运行。
2026-06-06 16:15:51
420
原创 博洛尼亚大学 EventHub：用照片造数据，事件相机双目误差最高降近 50%
事件双目立体匹配面临数据匮乏问题，传统LiDAR标定成本高且场景覆盖有限。EventHub提出LiDAR-free代理数据方案，利用现有RGB数据集渲染生成事件流数据，构建通用训练工厂。基于此训练的E-Foundation Stereo模型在真实数据集上实现30%-40%误差降低，展现出跨场景泛化能力。研究指出底层硬件同步与读出速度仍是实际应用关键，并推荐两类落地方案：高精度双目系统与轻量化事件相机模组。该工作标志着事件视觉进入"大模型、大场景"时代，数据工厂拓展算法广度，硬件品质保障落
2026-05-27 10:20:57
361
原创 3576M硬核指南：如何打造一个专属你、不发工资的AI员工？
产品及配件：3576M盒子*1、天线*1、电源线*1进入盒子之后要先检查桌面，如果桌面上没有显示“Open Claw配置向导”的，则需要升级固件。盒子的操作页面和电脑操作页面类似。
2026-05-21 10:46:45
404
原创 基于事件相机的关键点动态物体 6-DoF 姿态检测与追踪管
关键点检测：以事件时间表面图像为输入。利用集成深度可分离卷积（DSConv）与高效通道注意力（ECA）的轻量化 U-Net 作为主干，中间层结合 Mobile ViT 捕获长程空间依赖，缓解了事件空间的不连续性。随后通过自适应 Patch 精炼模块（Adaptive Patch Refinement）裁剪关键点粗区域，喂入 Tinyu-Net 深度建模，极大提升了边缘清脆度与热力图峰值稳定性。2D-3D 哈希匹配：利用高效哈希表建立检测到的 2D 关键点与物体 3D 关键点的映射关系。
2026-05-18 09:37:59
370
原创 别让你的 OpenClaw 沦为聊天框！装上这些“必杀技”，AI 自动帮你打工
OpenClaw技能包实战指南：解锁AI生产力潜能 大多数用户仅使用了OpenClaw 10%的功能潜力。本文提供了一份精选技能包安装指南，帮助用户突破"插件焦虑"，将AI转化为真正的生产力工具。核心内容包括： 基础命令：安装技能商店和必备插件 办公自动化：Google全家桶、飞书集成、文档处理 开发者工具：代码管理、自动化测试 内容创作：自媒体运营全流程自动化 安全建议：权限管理、数据隔离等注意事项 通过合理配置这些技能包，用户可以将OpenClaw从简单的聊天工具转变为全方位的数字助
2026-05-14 14:26:46
392
原创 中科大 AAAI 2026 新作：E-MaT 架构引入 Event-Mamba，突破第一视角极限点追踪难题！
摘要：中科大团队提出基于Mamba架构的事件相机追踪算法E-MaT，解决VR/AR场景中第一视角剧烈运动导致的追踪失效问题。该算法通过事件流的高时间分辨率弥补RGB帧的运动模糊，利用Mamba的线性复杂度处理长序列数据，实现时空特征融合。研究强调低延迟传输和高动态范围硬件对算法落地的关键作用，并推出ShiMetaPi系列硬件方案支持不同应用场景。这项突破为具身智能提供了从算法到硬件的完整解决方案。（149字）
2026-05-12 15:32:00
377
原创 OpenClaw 部署指南：四种部署模式解析与安全加固建议
引言：OpenClaw 是 2026 年初爆火的开源个人 AI 助手项目（GitHub 两周突破 15 万 Star），它能在你自己的设备上运行，并接入 WhatsApp、Telegram、飞书、钉钉等十余种消息平台，充当 7×24 小时的全能 AI Agent。本文主要带你了解OpenClaw的风险，以及目前相对主流的几种部署方式。
2026-05-11 11:38:33
464
原创 基于帧+事件：复现扩散模型光流算法，ShiMetaPi 给出了一套硬核工程解法
《Diff-ABFlow：挑战性场景下的帧-事件互补融合光流估计》提出创新性解决方案。针对高速运动和低光照等极端场景导致传统光流估计性能下降的问题，研究团队首次构建了双模态扩散模型框架，通过Attention-ABF模块实现帧（外观饱和度）与事件（边界完整性）的特征互补融合，并设计MC-IDD解码器进行迭代去噪。实验表明，该方法在合成和真实数据集上EPE指标显著优于现有方案，且t-SNE分析证实其对输入退化具有强鲁棒性。研究同时发布了HS-FEFD和LL-FEFD两个专用评估数据集，为复杂环境下的机器视觉系
2026-05-07 16:05:17
438
原创 120FPS高速追踪！EventTrack6D 突破未知物体追踪极限，120 FPS 锁死高动态 6D 位姿！
本文探讨了6D位姿追踪中的关键技术挑战与突破性解决方案。针对传统RGB-D方案在动态场景下的位姿漂移问题，提出了基于事件相机的EventTrack6D架构，通过微秒级事件流实现120Hz以上的虚拟感知输入，解决了深度传感器刷新率不足导致的追踪延迟问题。文章重点分析了事件相机的高动态范围和时间戳精度对位姿重建的关键作用，并介绍了两种工业级落地方案（高精度分拣和轻量化机械臂方案）。研究表明，将感知频率从30Hz提升至120Hz+能显著改善位姿追踪的鲁棒性，而底层硬件的物理确定性是实现算法落地的关键因素。
2026-04-29 16:42:04
366
原创 小龙虾落地案例实操之：我用小龙虾+RK3576M 实现了新媒体全自动化
2026 年，AI Agent 行业最大的尴尬，从来不是「能不能做出来 Demo」，而是「能不能落地到真实业务里」。市面上 90% 的 AI Agent 教程，都只停留在 Prompt 优化、工具链拼接的软件层面，却绝口不提一个核心事实：AI Agent 的落地瓶颈，早已不是大模型的认知能力，而是端侧执行层的闭环稳定性。
2026-04-28 17:46:00
439
原创 彻底终结螺旋桨模糊！清华 EventPro 跨越百米“透视”动力学，测速误差仅 0.2
EventPro 证明了：事件相机不仅仅是用来成像的，它更是捕捉物理世界“心跳”的利器。当底层硬件（如 shimetapi 系列）解决了信噪比和时延这两大顽疾，具身智能和低空监管才真正拥有了感知物理规律的“直觉”。【原文链接】：https://arxiv.org/abs/2511.13100v2【项目主页】：https://eventpro25.github.io/EventPro/【声明】： 本文仅作为学术前沿动态分享与工程复现逻辑探讨。
2026-04-27 17:41:44
366
原创 解决事件相机标定难题：一种LiDAR、RGB与事件相机的联合标定框架
该研究证明了：多传感器融合的上限，取决于底层标定的底蕴。标定不再是玄学调参，而是物理特征的极致拟合。当 CF-NRS1/Eiger 提供的“物理确定性”数据遇上全能标定算法，开发者将彻底摆脱感知碎片的束缚。我们不仅提供最稳的感知硬件，更致力于为自动驾驶感知底座提供最稳固的对齐支持。--END--【声明】：本解读旨在分享学术前沿动态，文中涉及的硬件工程方案（如 CF-NRS1）旨在提供落地参考，不代表原论文立场。【论文参考】：https://arxiv.org/pdf/2511.12291。
2026-04-24 15:38:31
335
原创 Ai炼丹炉！继同事.skill 爆火，各类.skill 蜂拥而至...
今年不知道怎么就涌现出一种奇怪的现象：在GitHub 上一堆以 “skill” 命名的项目突然霸榜，其中尤为著名的当属：同事.skill (Colleague-Skill)。
2026-04-23 15:26:18
437
原创 ASU 具身智能新作：eNavi 填补全球空白，首个真机数据集挑战弱光导航极限！
eNavi 的成功证明了：算法的上限，往往被传感器在极限环境下的物理表现所锚定。只有当底层硬件（如 shimetapi 系列）能提供确定、纯净、同步的原始感知数据时，端到端的 Transformer 融合策略才能真正走出实验室。【原文链接】：https://arxiv.org/pdf/2603.14397【声明】： 本文仅作为学术前沿动态分享与工程复现逻辑探讨。文中涉及的硬件工程方案旨在为科研落地提供物理底座参考，不代表原论文作者及机构的立场。#事件相机#机器人导航#模仿学习。
2026-04-21 13:21:34
317
原创 免适配，仅重31g的EVS事件相机，“降价” 90%！
《事件相机模组的工程化突围》摘要：国产ShiMetaPiEVS事件相机模组通过三大创新突破行业瓶颈：1）即插即用设计，完成主流开发板的系统级适配；2）31g超轻量化结构，适配微型无人机等移动平台；3）成本降至传统设备1/10，实现实验室技术向工程应用的转化。该方案以微秒级响应和120dB动态范围，在SLAM、无人机避障等领域形成"降维打击"，解决了事件相机长期存在的"实验室强、落地难"痛点，为边缘AI设备提供更接近生物感知的环境交互能力。（149字）
2026-04-17 17:50:36
273
原创 笑死！AI 炼丹狂潮之下，就连股神巴菲特都被蒸馏成 skill 了！
【摘要】全网掀起AI"炼丹"热潮，各类Skill层出不穷，从同事、名人到投资大师都被炼成AI分身。独立开发者开源项目AIHedgeFund将巴菲特等12位投资传奇炼化成智能体，搭配6位专业分析师，组成赛博投资天团，支持多模型调用和回测功能。项目采用低门槛架构，新手可快速上手，但需注意仅限学习研究。边缘计算硬件AIBoX-3588M为AI部署提供稳定支持，助力各类智能体应用落地。（149字）
2026-04-16 09:00:00
462
原创 NeurIPS 2024 | 丝滑视觉新极限：EPA 框架利用事件相机突破插帧伪影瓶颈
北京理工大学团队提出EPA框架，通过感知对齐学习将事件相机轨迹精准融入图像纹理，解决传统视频插帧在高速运动下的重影问题。该框架在多个数据集上刷新记录，实现无伪影超高帧率重构。核心创新在于感知对齐模块（PAM），在特征空间进行模态对齐，修正传感器视差。应用场景涵盖影视后期、自动驾驶等领域，为视觉增强研究提供精准硬件支撑。
2026-04-15 09:47:34
497
原创 OpenClaw 部署完成后，你的系统正在被 4 万个攻击者盯着
2026年，OpenClaw 的安装教程已经烂大街了。但大多数教程止步于"能跑"，对之后发生的事情只字不提。这篇文章不教你装 OpenClaw，只说一件事：装完之后，你可能正在一个巨大的安全漏洞里裸奔。这不是危言耸听。以下所有数据均有据可查。
2026-04-14 17:56:03
385
原创 国防科大EVS新作：事件视觉挑战精密监测极限，220μs 极速响应实现毫米级形变捕捉！
摘要：针对高频振动监测中传统传感器部署复杂、视觉方案带宽过高的问题，本研究提出一种基于事件相机的异步去噪算法。通过LED标记辅助和时空相关性过滤，实现了90%以上的背景噪声去除率，并结合亚像素插值技术，使非接触式位移测量精度达到毫米级，性能媲美工业位移传感器。该方案在桥梁、机床等场景中展现出低成本、高动态范围（86dB）和微秒级延迟的优势，为结构健康监测提供了新范式。硬件上配套CF-NRS1相机（>100dB动态范围）确保算法落地，验证了事件视觉在精密测量领域的潜力。
2026-04-13 16:00:00
402
原创 为什么你的小龙虾这么难用？90% 的人都踩的 3 个致命坑！
企业的核心诉求不是研究 AI，而是使用 AI 产生价值。既然底层架构已经由安谋这种顶级厂商定性为“Agent 原生基础设施”，那么剩下的问题就不再是“龙虾好不好用”，而是你什么时候开始，停止那些毫无意义的底层损耗，把 AI 真正私有化、工具化。
2026-04-09 11:22:09
378
原创 响应缩短 10 倍！大连理工提出全神经形态导航框架，实现 2.3ms 极速避障
大连理工大学提出基于事件相机的神经形态导航方案，实现2.3ms超低延迟避障。该研究突破传统视觉感知局限，采用EVS+APS融合硬件（ShiMetaPi模组）实现异步事件流与图像帧的硬件级同步，通过仿生感受野过滤和全脉冲神经网络架构，在10m/s高速下实现100%避障成功率，功耗仅为传统方案的21%。该技术为城市物流无人机和军事自主突防提供了突破性解决方案，标志着"感知即计算"的神经形态导航新方向。
2026-04-07 17:18:41
386
原创 从抢着装到花钱删，第一批 “养虾人” 终于被 OpenClaw 坑怕了
最近，知乎上一个热帖引发了技术圈的集体共鸣：《从抢着装到花 199 元请人删，为啥第一批「养虾人」已经开始卸载龙虾了？就在几个月前，OpenClaw（龙虾）凭借其强大的自动化调度能力火遍全网。无数人抱着“自建数字员工”的幻想，冲进各种教程。甚至很多连平时都不怎么会折腾电脑的人都争前恐后地花钱来请人给自己安装OpenClaw（龙虾），生怕自己和这次ai的浪潮失之交臂。但很快，这股热潮就变成了哀鸿遍野。评论区里，那些曾经熬夜部署的玩家们，现在的反馈高度一致：“折腾不动了。
2026-04-03 17:23:18
376
原创 OpenClaw：大厂一句 “开除速度一定要快”，炸出了 2026 年中小企业的生死红线
2026 年初，就在空气还冷得有些刺骨的时候，网易裁员的消息伴随着那句“开除速度一定要快”在互联网上炸开了锅。
2026-04-02 17:56:53
856
原创 视觉感知升维：RGB+EVS 硬件融合的新基准
随着感知需求从“看得到”转向“看的稳”，RGB+EVS 的双模态融合已成为必然趋势。CF-NRS1 作为科研侧的先导硬件，解决了底层数据的一致性难题。未来，随着这类硬件级融合采集器的普及，视觉算法将真正具备超越人类生物眼的极端场景解析力，推动具身智能与高端工业检测向更高维度进化。【声明】本文档基于现有产品资料及相关学术论文进行技术性解读。文中提及的技术性能指标（如分辨率、动态范围、对齐方式等）均来源于产品配置参数表。实际科研使用中的性能表现可能因环境配置、上位机算力及算法实现差异而有所波动。
2026-03-30 10:06:11
367
原创 事件相机光流：高速移动机器人无滑移测速方案
随着自动驾驶与移动机器人技术向高速、全场景、高安全等级方向演进，传统依赖本体感知的测速方案已无法满足极端工况的性能需求。基于事件驱动的光流直测方案，通过底层感知模态的革新，打破了轮地依赖的固有逻辑，重新定义了高速移动场景的测速边界。CF-NRS1这类成熟的商用事件相机产品，配合前沿的事件光流测速算法，将为更多高速、复杂工况下的移动机器人感知方案，提供“软硬一体”的全新落地范式。
2026-03-24 17:14:50
402
原创 Seeing the Unseen：基于事件相机的暗光重构特征提取方案
随着感知需求从“记录世界”转向“理解极限”，基于事件驱动的物理重构已成为跨越感知瓶颈的关键。灵光 1 号 (ShiMetaPi)通过对底层感知模态的革新，配合前沿的超分算法，正在重新定义低光视觉的边界。未来，这种“软硬一体”的异步感知方案将为更多挑战物理极限的场景提供参考范式。
2026-03-20 15:32:49
383
原创 EVS 连续时间 3D 检测：解锁高速感知盲区的“物理密钥”
本研究标志着 3D 感知正从“离散捕捉”向“连续流式处理”跨越。随着灵光 1 号这类融合型硬件的成熟，该算法将在反无人机、自动驾驶及工业高速巡检领域展现出巨大的实战潜力。免责声明： 观点归原作者所有，本解读结合工程实践进行技术探讨。
2026-03-19 09:54:29
198
原创 从帧触发到事件驱动：RGB+EVS多模态融合下的无人机识别重构
Drone Detection with Event Cameras》不仅展示了事件视觉在极端工况下的性能上限，更指明了感知技术从“模拟成像”向“生物仿生”跨越的必然趋势。对于低空安全领域而言，螺旋桨特征识别与多模态数据对齐将是未来区分实验室研究与工业级产品的关键分水岭。随着灵光 1 号等融合型硬件的成熟，基于事件相机的反无人机系统将真正具备全天候、高鲁棒的实战感知能力，为低空经济的有序发展筑起安全底座。
2026-03-18 13:09:21
493
原创 Talk2Event 论文解读：语言驱动的事件视觉定位与多模态融合趋势
与现有基准对比：Talk2Event 是唯一支持动态场景、结构化属性标注与事件数据的视觉定位数据集，优势显著。语言表达覆盖广泛，具备丰富的动作、空间与关系词汇，描述细致且贴合场景。提供多样化样本，涵盖车辆、行人、骑行者等 7 类对象，场景包含 1-9 + 个对象的稀疏与密集情况，适用于多任务研究与复杂场景适配。模型性能：EventRefer 在三种模态下均超越现有 SOTA 方法，融合模式平均准确率达 61.82%，尤其在动态目标定位上优势突出。--END--声明：本文为论文解读与技术讨论性质文章。
2026-03-17 10:38:30
324
原创 事件相机 + RGB：如何实现高速6D姿态跟踪？这项研究给出了答案
然而，当物体发生高速运动时，传统RGB相机往往会受到帧率限制和运动模糊的影响，导致姿态估计精度下降甚至跟踪失败。需要说明的是，上述论文研究并未使用该设备，这里仅作为事件视觉融合技术在工程实践中的一个示例。通过分析事件流中的时空关系，计算事件光流（event-based optical flow），从而获得物体运动速度，并构建一个6DoF速度跟踪器。实验结果表明，该方法在合成数据和真实场景中均取得了良好的效果，尤其是在高速运动条件下，其跟踪稳定性明显优于传统方法。相比之下，事件相机采用完全不同的成像机制。
2026-03-16 17:37:03
364
原创 基于BM1684X算力盒子丨Qwen3-chat-DEMO部署教程
Qwen3（通义千问3） 是阿里巴巴推出的新一代 大语言模型（LLM） 系列，属于 通义千问（Qwen） 家族的最新迭代版本。它在 性能、多模态能力、长文本处理 等方面进行了显著升级，适用于 自然语言理解、代码生成、数学推理、多轮对话 等任务。
2026-03-11 10:00:00
478
原创 国产 事件相机（EVS）模组开启平价时代
将 EVS 接入嵌入式系统通常伴随着繁琐的底层调优。ShiMetaPi 通过模组化设计，将这些工程负担提前解决。•深度平台适配目前已针对RK3588与地瓜派（RDK）平台完成了系统级联调。•原生链路直连采用4-lane MIPI CSI 22pin FPC 接口，符合MIPI CSI-2 v2.1 协议，通过直连 SoC，最大程度降低数据传输延迟，确保高性能感知的实时性。为了方便开发者快速集成，我们还开放了详细的接口文档和新手教程，可以帮助开发者快速上手。使用手册：参考链接。
2026-03-10 09:41:15
242
原创 只需1/10 价格，即可解锁 1000fps 感知——ShiMetaPi 事件相机模组
传统相机受限于固定帧率曝光，在面对高速运动物体时，不可避免地会产生拖影和运动模糊。而EVS 传感器（事件相机）模拟了人眼视网膜的机制：像素不再成帧输出，而是独立感应亮度变化。只有在物体运动或光影改变时，才会实时发送异步事件流。这种机制赋予了它等效1000fps的超高时间分辨率，即使是极速掠过的物体，也能捕捉到清晰的轮廓。1/10 的价格，意味着事件相机不再是少数前沿项目的“奢侈品”，而是每一位视觉开发者都能轻松上手的实用工具。当高频、低延迟的感知能力不再受限于预算，更多创新的视觉应用将得以落地。
2026-03-06 16:08:24
219
原创 基于BM1684X算力盒子丨光学字符识别（PP-OCR）部署
从技术实现上看，PP-OCR支持检测、识别、方向分类等多阶段模型，而BM1684X具备多核并行计算与动态批处理能力，可实现对PP-OCR全流程的高效流水线调度。BM1684X作为一款高性能、低功耗的AI推理芯片，其强大的异构计算能力与高效的神经网络加速引擎，为PP-OCR在边缘计算场景下的部署提供了理想的硬件支持。通过将PP-OCR的高精度识别能力与BM1684X的高效推理能力相结合，企业可在边缘端构建稳定、可靠、低成本的OCR解决方案，显著提升业务智能化水平与运营效率，具备重要的产业化落地价值。
2026-03-03 09:12:09
1010
原创 基于BM1684X算力盒子丨Llama3部署教程
传统车牌识别通常依赖字符分割，再逐一分类，这种方式在复杂环境中容易受到光照、角度、畸变等因素影响。无需字符切分，直接输入整张车牌图片即可识别字符序列；轻量化网络结构，摒弃 RNN，减少计算开销，更适合实时推理；鲁棒性出色，在恶劣光照、视角变化等情况下依然能保持较高精度。凭借这些优势，LPRNet 成为智慧交通与安防场景下的主流车牌识别方案。
2026-03-02 11:29:04
673
原创 从CVPR 2019看事件相机步态识别：技术突破与产品应用
这篇题为《EV-Gait: Event-based Robust Gait Recognition using Dynamic Vision Sensors》的论文发表于计算机视觉领域的顶级会议CVPR 2019。论文作者来自哈尔滨工程大学、Data61 CSIRO、华威大学和复旦大学等多所知名研究机构，展示了学术界对事件相机应用潜力的共同关注。
2026-02-24 13:40:19
500
原创 基于BM1684X算力盒子丨MiniCPM-V-2_6部署教程
MiniCPM-V-2_6 是一个基于 MiniCPM 架构的多模态预训练模型，专为视觉和语言任务设计，具备高效处理图像和文本的能力，该模型基于 SigLip-400M 和 Qwen2-7B 构建，共有 8B 参数。
2026-02-24 11:15:00
504
原创 基于BM1684X算力盒子丨Qwen3-Qwen Agent-MCP开发
Qwen-Agent 是阿里基于 Qwen3 的智能体开发框架，支持工具调用与 MCP 接入，助开发者构建具任务规划能力的 AI 应用；MCP 是解耦大模型与外部工具的标准化协议。
2026-02-21 06:00:00
1394
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人