- 博客(282)
- 收藏
- 关注
RSS订阅原创 PPO 在ROS2 中训练与推理
核心流程：构建 ROS 2 Gym 环境（封装状态 / 动作 / 奖励）→ 初始化 PPO 模型 → 与机器人环境交互训练 → 保存模型并推理部署；关键难点：合理设计奖励函数、确保 ROS 2 状态 / 动作的实时性、准确的运动学求解；落地建议：先在仿真环境（如 Gazebo）中完成训练，再迁移到真实机器人，逐步调优奖励函数和超参数。按此流程，你可以快速在 ROS 2 中实现机械臂的 PPO 训练，适配你的 collaborativearm 机械臂完成轨迹跟踪、抓取等任务。
2026-03-17 17:16:37
288
原创 humble ppo 训练脚本
核心逻辑：PPO 通过学习关节力矩策略，将机械臂状态（关节角 / 速度 + 末端位置）映射为连续动作（力矩），通过奖励函数引导机械臂到达目标位置。训练关键：GAE 优势计算、PPO-Clip 损失裁剪、熵奖励鼓励探索，是保证训练稳定收敛的核心。部署要点：ROS 2 节点需匹配机械臂控制频率（≥100Hz），添加安全裁剪，仿真训练后再迁移到真机。
2026-03-16 14:04:47
30
原创 PPO控制多轴机械臂
适用场景：复杂环境、动态任务、需要自适应 / 柔顺控制的多轴机械臂（抓取、装配、人机交互）优势：PPO 训练稳定、样本效率高，可端到端学习复杂策略，优于传统 PID/MPC 在非结构化环境选型PPO + 自适应 PID端到端 PPO 力矩控制PPO + 多模态输入。
2026-03-16 14:00:11
275
原创 强化学习算法ppo
新手入门首选 PPO：训练稳定、代码简单、调参成本低，能最快获得正向反馈；无需纠结其他算法：先把 PPO 跑通、理解透，再去学 DQN/DDPG 等，会事半功倍；核心学习方法：先跑通代码看效果，再回头理解原理，避免一上来就陷入复杂公式。
2026-03-16 13:27:07
344
原创 RGB-D camara robot arm get
所以，针对你手头的奥比中光Gemini相机实现方案一：先用YOLO等算法检测目标，再结合深度图计算出物体的三维坐标(X, Y, Z)。这对于实现从传送带或固定平台上的“平面抓取”已经足够了。攻克核心难点：集中精力做好手眼标定。这是将视觉坐标转化为机械臂坐标的关键，ROS等框架中有成熟的工具（如）可以帮助你完成这一步。未来扩展：如果你的任务需要抓取随意堆叠、姿态复杂的物体，就需要引入方案三的思路，研究和实现6自由度抓取检测算法。
2026-03-06 16:00:19
302
原创 FPGA AI 结合清单
AMD（Xilinx）适合模型推理的 FPGA/ACAP，核心是Versal AI 系列（带 AIE-ML）、Zynq UltraScale+（带 DPU）、Alveo 加速卡、Virtex UltraScale+，按场景分档推荐如下（2026 年最新）。适合数据中心、900GB/s CXL 全互联、大模型 / 多模型并发、低延迟推理。适合边缘 / 嵌入式、中小模型、低功耗、快速部署。适合服务器级推理、云原生、快速部署。适合自定义推理架构、超高并行、无 AIE 需求。表格
2026-03-05 18:39:25
361
原创 ROS2 实时控制的隐形杀手：Executor 调度模型
上个月调试一个机械臂控制节点。现象非常诡异：本地测试 5ms 控制周期稳如泰山一上产线偶尔跳到 20ms、30ms极端情况直接急停我们做了所有"标准实时优化"：PREEMPT_RT 内核线程 SCHED_FIFO 99mlockall 预分配内存CPU 绑定问题依然存在。最后用 perf 抓火焰图，问题才彻底暴露：控制回调根本不是被系统调度打断，而是被 Executor 串行调度阻塞。
2026-03-03 13:14:50
722
原创 实时系统程序绑定内核
快速验证用taskset：无需改代码，适合单进程绑定，命令行taskset -c 核编号 程序名即可；精准控制用代码绑定：通过（Linux）/（Windows），可实现线程级精准绑定，适合多 FPGA 推理的多线程控制程序；注意事项：绑定的核编号不能超过系统实际核数，且避免多个关键程序绑定到同一个核导致竞争。
2026-03-02 10:46:17
406
原创 多FPGA 进行模型推理
可行，且是高性能 AI 推理的标准方案PCIe/CXL/Ethernet/ 自定义 MGT必须有，片上 + 片外 + 片间缓存缺一不可多 FPGA 推理：可行，且是大模型加速标配通信：PCIe/CXL/MGT 高速串行存储：片上 BRAM + 片外 HBM/DDR5 必须有你现在需要的是能直接落地的多 FPGA 模型推理切分策略，我会按「易实现→高性能」的优先级，给你 3 类核心策略，每个策略都包含适用场景、切分方法和工程注意事项，你可以直接对应到之前的多 FPGA 架构上。入门首选层级切分。
2026-03-02 10:06:55
942
原创 数据标注工具
用户可以根据项目需求自定义标注界面和标注任务，包括创建边界框、多边形、分类、关键点、文本标签等。这种灵活性使得Label-Studio能够适应不同的标注需求，提高标注的准确性和效率。
2026-02-28 15:17:36
656
原创 视觉定位到机械臂抓取
核心流程：RealSense 获取彩色 + 深度→目标检测（2D）→像素转相机 3D 坐标→手眼矩阵转机械臂坐标→机械臂运动抓取；关键前提：手眼标定必须准确（否则抓取偏移），目标检测需适配物体（颜色 / YOLO）；优化方向：用 YOLO 替换颜色检测（适配多物体 / 不规则物体），加力反馈校验抓取是否成功。
2026-02-27 16:20:53
970
原创 双目相机识别位置机械臂抓取
双目相机识别物体位置并引导机械臂抓取，核心是，可实现从 “看到物体” 到 “精准抓取” 的全流程自动化。下面从硬件选型、标定、视觉处理、坐标转换、机械臂控制到完整流程，给出可落地的技术方案。
2026-02-27 16:15:01
1047
原创 docker commit
若想将备份保存为「独立文件」（可拷贝、传输、离线使用），需要在 commit 打包镜像后，再执行 docker save 命令，将镜像导出为 .tar 独立文件，全程步骤如下（直接复制执行，适配你的环境）。• 说明 1：-o 后面是「独立文件的保存路径 + 文件名」，D:\docker\ 是路径（可修改，比如 D:\backup\），ros2_humble_backup_v1.tar 是独立备份文件名（可自定义）；步骤 3：将镜像导出为独立.tar 文件（核心步骤，生成可保存的独立文件）
2026-02-26 10:56:57
354
原创 docker 入门2
新建一个文件夹（如），里面创建Dockerfile（内容和之前给的一致）。打开 Docker Desktop，点击顶部的Build（构建）标签。点击，选择文件夹，镜像标签填，点击Build。Docker Desktop 会自动读取 Dockerfile 并构建镜像，完成后在Images中能看到。核心前提：先配置国内镜像加速器，解决网络解析 / 超时问题，这是拉取成功的关键。图形界面操作：通过Images标签搜索 → Pull 按钮，全程可视化，不用记命令。验证要点。
2026-02-25 16:38:13
544
原创 docker 入门
核心问题：Docker 访问官方仓库超时，本质是网络问题，而非命令或镜像本身的问题。关键解决步骤：在 Docker Desktop 的 Docker Engine 中配置国内镜像加速器，重启后重新拉取。验证要点：通过确认加速器生效，再执行命令。
2026-02-25 15:58:41
282
原创 docker 使用GUI ROS2
核心问题是VcXsrv 未关闭访问控制或Windows 防火墙拦截，而非容器内配置；用命令行启动 VcXsrv（带-ac参数）+ 替换为 Windows 实际 IP，能解决 99% 的连接拒绝问题；xeyes能显示 → rviz2 必能启动，反之先排查 VcXsrv 和防火墙。按这个步骤操作，你就能看到 rviz2 的 GUI 窗口了。如果xeyes仍提示，告诉我你的 Windows IP 和 VcXsrv 启动方式，我帮你定位最后一步问题。
2026-02-25 13:57:32
527
原创 docker 镜像备份
Docker 容器创建一个，核心是用命令，我会给你分步讲解操作方法，包括基础备份、添加标签、验证镜像，以及更规范的备份方式（推荐）。
2026-02-25 13:55:27
329
原创 window 下使用docker
基础启动，适合快速验证环境。增强启动：添加 GUI 支持、目录挂载、主机网络，适合实际开发和运行 ROS 2 程序。：需安装 VcXsrv 并设置 DISPLAY 环境变量，才能显示 RViz/Gazebo 等窗口。
2026-02-24 16:52:15
333
原创 将yolov5 封装到FPGA
• 再通过 HLS（高层次综合）工具（如 Xilinx Vitis HLS、Intel HLS），将模型的核心算子（卷积、池化、激活、Reshape 等）用 C/C++ 实现，编译为 FPGA 的 RTL 代码；• 量化：将模型从 FP32（浮点 32 位）量化为 INT8/INT16（整数 8/16 位），甚至二值化 / 三值化，这是 FPGA 部署的核心优化手段（FPGA 对整数运算的资源利用率远高于浮点）；
2026-02-11 15:29:47
350
原创 张量数据库的优势与劣势
摘要：张量数据库专为高维张量数据（如AI特征、多媒体向量）设计，在存储压缩比（50%-90%）、相似性检索效率（毫秒级响应）及AI框架兼容性方面具有绝对优势，特别适合推荐系统、多模态检索等场景。但其在传统事务处理、低维数据支持及生态成熟度方面存在明显短板，无法替代关系型数据库。实际应用中建议采用"关系库+张量库"的协同架构，通过唯一标识关联两类数据。选型时需明确业务是否以高维张量处理为核心，避免在传统事务场景中使用。（149字）
2026-02-09 17:57:20
713
原创 微型张量数据库
普通 CPU 电脑是存储张量数据的基础载体，完全支持，与 GPU 无关，存储的核心限制是内存和硬盘的容量；张量的 “存储” 和 “计算” 是分离的，GPU 仅提升张量计算速度，不影响存储；中小规模张量（数万 / 数十万条高维特征）：入门级 CPU 电脑（8G 内存 + 512G SSD）完全够用；超大规模张量：无需换 GPU，通过分块存储、数据库、压缩等软件方案即可在普通 CPU 电脑上解决。我可以帮你写一份纯 CPU 环境下的张量存储 / 读写实操代码。
2026-02-09 17:50:19
889
原创 关系型数据库与张量数据库的区别
表格对比维度关系型数据库张量数据库核心数据模型二维表（关系模型）N 维张量（张量模型）设计目标通用事务处理、结构化数据管理高维张量的存储、检索、AI 计算存储结构行 / 列存储，二维数据优化连续块存储，稀疏张量压缩核心索引B + 树、哈希索引（低维）ANN 索引（高维相似性）核心计算关系代数（JOIN / 聚合 / SQL）张量数学运算（相似度 / 矩阵乘）事务特性强 ACID弱 ACID/BASE原生兼容SQL、事务中间件。
2026-02-09 17:49:15
472
原创 超声波监测的AI 模型分析
对B型图进行旋转、翻转、亮度/对比度调整、添加噪声等操作，扩充数据集，提升模型泛化能力，应对实际检测中工件姿态、耦合状况的变化。（如声速、衰减系数）作为额外输入通道或特征向量，与图像特征融合，提升对相似表象缺陷的鉴别力。：为不同的特征通道或特征值范围分配特定的颜色，将高维、抽象的特征数据映射为视觉上可区分的。因其通常表现为锐利、连续的高梯度特征，用醒目的暖色突出其危险性和连续性。：直观显示图像各区域存在缺陷的概率，颜色越暖（如红、黄），概率越高。等架构，直接输出缺陷的边界框位置、类别和置信度。
2026-02-09 16:46:15
360
原创 深度学习的未来发展
例如，在糖尿病视网膜病变诊断中，使用预训练的ResNet-50模型，仅需500张标注图像即可达到92%的准确率。AI图像识别技术已从实验室走向产业应用，其核心算法（CNN、Transformer）、数据预处理（增强、标准化）、应用场景（医疗、自动驾驶）和优化策略（压缩、分布式训练）构成了完整的技术栈。实验表明，在ImageNet上使用自监督预训练的模型，线性评估准确率可达76.5%，接近全监督模型的80.2%。例如，在医疗报告中融合X光片文本描述与图像特征，可使诊断准确率提升5%~10%。
2026-02-06 09:10:48
375
原创 机器人手眼标定
机器人手眼标定的核心是求解相机与机器人间的，统一视觉与机器人坐标系，实现视觉引导精准作业，整体分为五大环节，需先区分安装结构再按流程执行。
2026-02-02 08:54:49
941
原创 ROS2 独占内核
内核独占的核心两步系统层：修改 grub 配置isolcpus=<内核号>，隔离指定内核（重启生效）；进程层：用taskset或代码将 ROS 2 节点绑定到隔离内核。验证关键通过确认进程绑定，通过htop确认隔离内核无其他进程负载。优化要点隔离高编号内核，禁止内核线程占用隔离内核，确保目标 ROS 2 节点完全独占。这套方案能让你的 ROS 2 实时节点获得稳定的 CPU 资源，避免进程切换和资源竞争，大幅提升节点的实时性和稳定性。
2026-01-28 18:24:04
297
原创 ROS 2 节点指定运行的 CPU 内核
临时调试：用taskset -c <内核号> ros2 run ...命令，简单高效，无需改代码；永久部署：C++ 用系统 API，Python 用，节点启动自动绑定；验证方法：通过查看绑定结果，确保生效；核心原则：关键实时节点（如运动控制）绑定独立内核，避免资源竞争。
2026-01-28 17:57:59
582
原创 ROS2 节点体系化 组件和插件
概念核心定义你的代码对应示例插件（Plugin）基于pluginlib实现的接口扩展机制，是 “功能模块的动态替换”，属于纯 C++ 层面的插件化设计：实现PluginBase接口，可动态加载替换组件（Component）基于实现的ROS 节点动态加载机制，是 “节点的模块化管理”，属于 ROS 节点层面的封装Component1Component3：ROS 节点封装为组件，可被组件管理器动态加载技术适用场景不适用场景插件（Plugin）
2026-01-27 16:24:26
580
原创 图像智能拼接
本文介绍了使用OpenCV实现图像智能拼接的方法。通过cv2.Stitcher_create()封装的核心功能，可自动完成特征检测、匹配、单应性矩阵计算和图像融合等步骤。代码演示了完整的拼接流程，包括图像读取、拼接执行和黑边去除优化。文章指出拼接成功的关键是图像间需有足够重叠区域（建议≥30%）和稳定的拍摄条件，并提供了错误码说明和进阶优化建议。该方法适用于全景图生成，只需安装opencv-contrib-python即可快速实现多图无缝拼接。
2026-01-27 13:39:33
409
原创 opencv 实现图像拼接
图像拼接的核心是特征匹配 + 单应性矩阵求解 + 图像融合，OpenCV 的Stitcher类可快速实现基础拼接需求。实际应用中优先选择 ORB 特征（免费、速度快），SIFT 精度更高但需注意专利问题。拼接失败 / 效果差时，重点检查图像重叠率、特征匹配质量，或调整单应性矩阵的求解参数（如 RANSAC 阈值）。如果需要针对特定场景（如实时视频拼接、Jetson Nano 轻量化部署、消除拼接缝）细化代码，我可以补充对应的实现细节。
2026-01-26 16:09:12
621
原创 模型导出为 ONNX/TensorRT 格式
python运行import os# TensorRT 日志设置# 构建 TensorRT 引擎# 设置最大工作空间（Jetson Nano 建议 1GB 以内）# 启用 FP16 精度（Jetson Nano 支持）# 解析 ONNX 文件# 构建并保存引擎# 转换 ONNX 到 TensorRT 引擎print(f"TensorRT 引擎已生成：{engine_file}")else:print(f"引擎文件已存在：{engine_file}")
2026-01-26 15:34:41
998
原创 通过神经网络识别图像位置
神经网络实现视觉图像位置识别，核心是技术，其本质是让模型同时完成（识别图像里有什么）和（预测目标的坐标框）。以下是从技术原理到落地实现的完整流程，包含可执行的步骤和关键代码方向。
2026-01-26 14:41:14
548
原创 C++类中只声明一次
创建对应的源文件，在工程中仅保留一份，完成静态变量的定义和初始化：cpp运行// GlobalConfig.cpp - 唯一定义静态成员变量// 2. 定义并初始化静态成员变量（类外，整个工程仅一次）这里的是作用域解析，明确变量属于哪个类。初始化值可选：如果不写，内置类型（int/bool）会默认初始化为 0/false，字符串会默认空。基础场景：使用「头文件声明 + 单源文件定义」的静态成员变量（方法 1），兼容所有 C++ 版本，工程规范。C++17 + 场景：直接用inline。
2026-01-26 09:10:34
589
原创 线程绑定cpu 内核
推荐方案：优先使用psutil库（），跨平台且易用；核心原则：Python 中 CPU 核绑定对进程有效，对线程效果有限（GIL 限制）；适用场景：你的 DQN 训练如果是单进程任务，绑定到单个核心可避免 CPU 上下文切换，提升训练稳定性；如果是多进程训练（比如并行采样），可将不同进程绑定到不同核心，充分利用多核资源。
2026-01-23 18:03:53
313
原创 机械臂urdf
坐标系传递核心：机械臂位姿由 “关节 origin（父→子的基础偏移）+ Link 自身 origin（子自身的微调）” 叠加而成，旋转主要由关节的 rpy 提供，Link 自身无额外旋转（rpy=0）。旋转关键抵消：JM0 关节的 + 90° 旋转被 JM1-2 关节的 - 90° 旋转抵消，使机械臂大臂（JM1-2_Link）回到与基座平行的姿态。平移规律：所有 Link 的视觉 / 碰撞模型自身无平移（xyz=0），仅惯性坐标系（质心）有微小偏移；机械臂的整体延伸主要由关节的 xyz 参数决定。
2026-01-19 13:29:35
646
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