- 博客(1841)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 AI开发者必入的《人工智能微积分基础》，北大院士强力推荐作品
家人们！谁懂啊！学 AI 学到崩溃的时候，就差一本把微积分和人工智能扒得明明白白的书了 —— 现在它来了！《人工智能微积分基础》刚新鲜出炉，直接帮你打通 AI 学习的 "任督二脉"，从此告别公式恐惧，让数学不再是你进阶 AI 大神的绊脚石！咱先看这作者阵容，简直是 “神仙打架”！王圣强，华东理工大学数学学院教授、数学与应用数学系副主任，复旦大学数学科学学院理学博士，还斩获过宝钢最高等院校教师教学奖一等奖、上海市教学能手等诸多荣誉，在微积分教学与研究领域深耕多年，经验丰富得能 “溢出屏幕”。
2026-01-25 11:05:42
358
1
原创 （5-2）骨架、外壳与轻量化设计：结构优化与有限元分析
摘要：本文系统探讨了人形机器人结构设计中的关键优化方法。在刚度设计方面，提出按需分配刚度的差异化方案，通过空心结构、局部强化等手段实现轻量化与性能平衡；拓扑优化则基于有限元分析实现材料高效分布，可使结构减重20%-40%同时提升性能；抗冲击设计采用"外柔内刚"理念，结合缓冲材料与能量导向结构应对跌落风险；最后介绍了壁撑式动态控制技术，通过多约束优化将跌落冲击降低68%。这些方法共同构成了人形机器人结构优化的完整技术体系，为高性能轻量化设计提供了系统解决方案。
2026-01-25 10:57:30
937
原创 （5-1）骨架、外壳与轻量化设计：材料选择
本章系统阐述了人形机器人结构设计中的材料选择与轻量化技术。重点分析了铝合金、碳纤维和高分子材料三大类材料的性能特点及应用场景：铝合金凭借轻量化、加工成熟和成本优势成为主流结构材料；碳纤维以其超高比强度和比刚度适用于高端机型；高分子材料则以其功能性、人机安全性和量产优势广泛应用于非承重部件。通过拓扑优化、薄壁设计和多材料复合等轻量化手段，在保证结构强度的同时显著降低重量。此外，还探讨了各类材料的加工工艺、结构设计技巧及在典型机器人中的应用案例，为平衡性能、重量与成本提供了系统解决方案。
2026-01-25 10:55:43
690
原创 （4-3）机械传动系统与关节设计：关节结构工程设计
本文探讨了人形机器人关节结构工程设计的关键要素，重点分析了同轴设计与空间布局、传感器集成以及散热与耐久性三大核心问题。关节设计需平衡运动性能与工程可行性，通过轴线同心化、紧凑布局和模块化设计实现高精度运动控制。传感器集成方案强调编码器与力矩传感器的同轴布置和抗干扰设计。散热方面提出主动冷却与热路径优化策略，耐久性则关注材料选择和结构可靠性。这些设计原则共同确保关节具备高精度、高效率、长寿命等特性，为人形机器人的运动性能提供基础保障。
2026-01-25 10:54:05
764
原创 （4-2）机械传动系统与关节设计： 减速器与传动机构
摘要：人形机器人关节传动系统主要采用谐波减速器和行星减速器两种方案。谐波减速器凭借高精度、小体积优势，适用于腕部、肘部等轻中载关节，通过柔性轮形变实现无间隙传动；行星减速器则以高刚性、抗冲击特性适配髋部、膝部等重载关节，通过多齿轮分散载荷实现稳定传动。此外，蜗轮蜗杆、滚珠丝杠等方案针对自锁定位、直线传动等特殊需求提供补充。减速器选型需综合考虑负载、精度、空间及成本等因素，不同方案各有侧重，共同构成人形机器人关节传动的完整解决方案。（149字）
2026-01-23 10:50:16
1054
3
原创 （4-1）机械传动系统与关节设计：关节驱动方式对比
本文系统介绍了人形机器人关节驱动的三种主要方案：伺服电机加减速器、直驱电机和柔性驱动(SEA)。伺服电机加减速器方案通过"高速电机+精密减速器"实现大扭矩输出，适用于中重载关节；直驱电机方案直接输出低速大扭矩，具有无间隙、高响应的特点，适用于高精度轻中载关节；柔性驱动方案通过串联弹性元件实现冲击缓冲和精准力控，适合人机交互场景。文章详细分析了各方案的结构原理、性能指标、适配关节及优缺点，并提供了工程设计参数和优化方法，为机器人关节设计提供了全面的技术参考。
2026-01-23 10:49:24
741
2
原创 （3-3）机器人身体结构与人体仿生学：四肢结构设计原则
摘要：人形机器人四肢结构设计聚焦运动灵活性、承载可靠性与轻量化集成三大目标。手臂采用肩-肘-腕解耦设计，通过独立驱动实现各关节无干涉运动，肩部三自由度球铰结构、肘部单自由度屈伸和腕部力控三自由度布局协同提升操作精度。腿部采用差异化驱动方案：髋部并联双电机实现高负载运动，膝部弹性缓冲结构吸收冲击，踝部力控双自由度适配复杂地形。轻量化设计通过材料优化（碳纤维/铝合金）和模块化布局降低惯性负载，刚性短距传动保证90%以上的力传递效率，实现快速响应（延迟≤5ms）与高精度控制（腕部力控≤0.05N・m）。
2026-01-22 11:18:13
1158
3
原创 （3-2）机器人身体结构与人体仿生学：人形机器人躯干系统
摘要：人形机器人躯干系统作为核心支撑单元，需平衡仿生学特性与工程实现要求。主流结构方案包括：一体化结构（高刚度、工业重载）、模块化结构（灵活扩展、科研应用）和仿生脊柱结构（高灵活性、服务交互）。驱动布局分为背部驱动（空间利用率高）和腹部驱动（响应快速）。关键设计指标包括静态/动态刚度及抗扭性能，需通过材料选型（碳纤维为主）、结构优化和工艺保障来实现。不同方案需针对性优化，并通过仿真与实验验证性能。设计需避免材料刚性不足、接口缺陷等问题，确保满足机器人运动协调性和稳定性需求。
2026-01-22 11:17:23
1032
1
原创 （3-1）机器人身体结构与人体仿生学：人体生物力学与关节分析
本章系统探讨了人形机器人仿生结构设计，重点分析了人体生物力学特征对机器人结构设计的指导作用。从关节自由度配置、运动范围与扭矩需求入手，结合力臂与质量分布特征，阐述了人体动态平衡的力学原理。详细介绍了躯干系统的结构方案比较（背部驱动vs腹部驱动）及其刚度要求，以及四肢结构设计原则，包括手臂三关节解耦设计和腿部驱动形式选择。通过量化分析关节扭矩需求与力臂关系，提出轻量化与高效力传递的工程方法，为后续运动控制与步态规划奠定机械基础。
2026-01-20 10:58:44
738
3
原创 （2-3）人形机器人的总体架构与系统工程：人形机器人的关键性能指标
摘要：本文系统阐述了人形机器人关键性能指标（KPI）体系，包括运动能力、能效、稳定性和安全交互性四大核心指标。其中，步行速度与负载能力构成运动系统基础指标，需考虑工程约束与耦合关系；能效指标通过简化能耗模型指导路径规划；稳定性指标通过ZMP和CoM实现量化控制；安全性与交互性指标则分别从风险防控和人机协同角度建立量化标准。这些指标贯穿机器人研发全流程，通过参数化建模与算法优化实现性能平衡，为人形机器人的工程实现提供了系统化的评估框架和设计指导。（149字）
2026-01-20 10:54:19
827
2
原创 （2-2）人形机器人的总体架构与系统工程：系统工程方法论
人形机器人作为高度复杂的多学科耦合系统，必须采用系统工程方法论进行全生命周期管理。其核心环节包括：需求分析与功能分解，通过分层建模将应用场景转化为可追溯的工程指标；接口设计与跨模块协同，建立标准化的机械、电气和软件接口以降低系统耦合度；并行开发与验证流程，基于接口冻结机制实现分层验证和仿真驱动的闭环迭代。这些方法确保在满足性能需求的前提下，实现各子系统的协同优化与风险可控，为复杂机器人系统的开发提供系统性解决方案。
2026-01-19 10:48:45
1008
5
原创 （2-1）人形机器人的总体架构与系统工程：全身架构与模块化设计理念
摘要：本章系统阐述了人形机器人的总体架构与系统工程方法，重点分析了躯干、四肢和头部的结构特征及其与路径规划的协同关系。通过比较模块化与集成化设计理念，指出模块化设计已成为商业化主流。同时深入探讨了成本、重量和可靠性三大工程约束的平衡策略，提出不同应用场景下的优先级排序模型。最后强调人形机器人架构设计需以类人形态为基础，在工程约束边界内实现性能优化，为路径规划算法提供物理支撑。
2026-01-19 10:47:50
963
1
原创 （1-3）人形机器人的发展历史、趋势与应用场景：人形机器人关键技术体系总览
摘要：人形机器人是高度复杂的综合系统，其核心技术体系包括机械系统（类人结构与运动基础）、电气与执行器（动力与精确驱动）、运动控制与平衡（稳定行走与全身协调）、感知与多模态融合（环境与自身状态认知）、AI决策与具身智能（任务理解与自主学习）以及系统集成与测试（软硬件协同优化）。这些模块协同工作，共同实现人形机器人的类人运动、环境适应和智能决策能力，为实际应用奠定技术基础。
2026-01-18 20:45:07
492
1
原创 （1-2）人形机器人的发展历史、趋势与应用场景：未来趋势与行业需求
在价值逻辑层面，具身智能推动人形机器人产业从“设备销售”转向“服务赋能”。未来，算法的“环境适应性”“实时性”与“智能决策能力”将成为企业竞争的核心壁垒，而产业界与学术界的协同创新，将推动人形机器人从“产业工具”加速演进为“通用智能体”，深度融入人类社会的生产生活。本质上，具身智能驱动的产业变革，核心是路径规划与决策算法从“被动执行”向“主动思考”的升级，机器人不再是“只会死记硬背的笨学生”，而是能通过环境理解自主优化行动策略的“智能体”，这一变革将持续重塑制造业、服务业、科研教育等多个领域的生产力形态。
2026-01-18 20:43:57
950
原创 （1-1）人形机器人的发展历史、趋势与应用场景：人形机器人的发展历程
摘要：人形机器人经历了从机械仿生到智能具身的演进过程，早期以ASIMO为代表的系统验证了双足行走等关键技术，特斯拉、Figure和宇树等企业正推动其商业化落地。当前发展趋势聚焦具身智能与大模型融合，应用场景涵盖智能制造、家庭服务等领域。技术体系包括机械结构、运动控制、感知融合和AI决策等核心模块，标志着人形机器人从实验室研究迈向规模化应用的新阶段。（149字）
2026-01-18 20:43:18
852
原创 《卷一》人形机器人导论：从机械设计到系统集成
本文系统阐述了人形机器人的技术体系与发展趋势。首先梳理了人形机器人的发展历程和商业化应用，分析了未来具身智能与劳动力替代的发展方向。重点探讨了机械结构设计（包括仿生关节、传动系统、轻量化材料）、电气系统（电机选型、传感器集成、能源管理）等核心技术。详细介绍了模块化设计、系统工程方法及性能指标评估，并通过完整案例展示了硬件设计、驱动接口和运动控制算法的实践应用。文章为人形机器人研发提供了全面的技术参考框架。
2026-01-18 20:41:51
862
原创 (9-2-03）自动驾驶中基于概率采样的路径规划：基于Gazebo仿真的路径规划系统（3）
本文介绍了基于SDF(Simulation Description Format)文件的机器人路径规划系统。SDF文件采用XML格式描述仿真环境中的障碍物信息，通过SDFReader类解析文件获取障碍物位置和半径。系统实现了RRT、RRT和RRT-FN三种路径规划算法，在200×200的地图上进行测试。主程序从SDF文件读取障碍物信息后，随机生成起点和终点，使用不同算法规划路径并可视化展示。实验结果表明，该系统能有效处理仿真环境中的路径规划问题，通过Matplotlib直观展示算法效果。
2026-01-15 10:43:34
235
5
原创 (9-2-02）自动驾驶中基于概率采样的路径规划：基于Gazebo仿真的路径规划系统（2）
本文实现了三种基于RRT的路径规划算法：RRT、RRT和RRT-FN。算法通过随机采样构建树结构探索可行路径，其中RRT和RRT-FN通过优化树结构改进路径质量。主要功能包括：1) 实现节点生成、最近邻搜索和路径优化；2) 提供可视化功能展示算法执行过程；3) 支持动态障碍物处理和路径重连；4) 引入KD树加速搜索过程。RRT*-FN算法通过强制节点删除机制控制树规模，在保证路径质量的同时提高计算效率。算法测试表明，这些方法能有效解决复杂环境中的路径规划问题，其中RRT*系列算法在路径优化方面表现更优。
2026-01-15 10:41:11
185
2
原创 (9-2-01）自动驾驶中基于概率采样的路径规划：基于Gazebo仿真的路径规划系统（1）
本项目基于Gazebo仿真环境开发了一个路径规划系统，实现了RRT、RRT和RRT-FN等算法。系统通过Python编程，利用Matplotlib进行可视化展示，能够读取SDF文件获取地图信息。项目重点介绍了RRT*-FN算法的改进特性，包括基于树结构的探索、路径优化和自适应参数调整等功能。系统构建了地图模块，包含直线、图和地图三个核心类，支持障碍物检测、碰撞检测等功能，为自动驾驶和机器人导航提供了高效的路径规划解决方案。通过仿真环境验证了算法在复杂场景中的性能表现。
2026-01-14 11:00:44
715
3
原创 (9-1-02）自动驾驶中基于概率采样的路径规划：RRT算法介绍+RRT算法的定义与实现（2）
RRT_Connect和RRT算法是两种改进的RRT路径规划方法。RRT_Connect通过双向生长树(起点和终点同时扩展)提高搜索效率，避免局部最优。RRT则在扩展过程中优化路径代价，保证渐进最优性。两种算法都包含节点定义、距离计算、随机采样、碰撞检测等核心模块，并通过可视化展示路径规划过程。RRT_Connect适合快速找到可行路径，RRT*则能生成更优路径，均广泛应用于机器人运动规划等领域。文中提供了两种算法的Python实现代码，包括节点扩展、连接检测和路径回溯等关键步骤。
2026-01-14 10:58:27
124
1
原创 (9-1-01）自动驾驶中基于概率采样的路径规划：RRT算法介绍+RRT算法的定义与实现（1）
摘要：本文介绍了RRT（快速扩展随机树）算法及其改进版本在路径规划中的应用。RRT算法通过随机采样和树扩展的方式在复杂环境中寻找可行路径，适用于机器人、自动驾驶等领域。文章详细阐述了原始RRT算法的实现步骤，包括初始化、采样、最近邻搜索、扩展和目标检测等过程。同时介绍了基于概率P的RRT改进算法，该算法通过概率因素引导树的生长方向，提高搜索效率。文中提供了两个Python实现案例：原始RRT算法和基于概率P的RRT算法，并展示了路径规划结果的可视化效果。这些算法虽然存在路径次优等局限性，但在高维空间路径规划
2026-01-13 11:00:24
173
4
原创 （8-3-02）自动驾驶中的无地图环境路径探索：D* Lite路径规划系统（2）
本文介绍了D*Lite路径规划算法的实现与可视化。该算法通过d_star_lite.py文件实现了关键功能，包括路径计算、动态障碍物更新和实时路径优化。算法核心包含8个函数：计算优先级(topKey)、启发式估计(heuristic_from_s)、关键值计算(calculateKey)、节点更新(updateVertex)、最短路径计算(computeShortestPath)、下一节点选择(nextInShortestPath)、障碍物检测(scanForObstacles)和移动重扫描(moveAnd
2026-01-13 10:56:01
194
1
原创 （8-3-01）自动驾驶中的无地图环境路径探索：D* Lite路径规划系统（1）
本项目基于DLite算法开发了一个交互式路径规划系统，通过Pygame实现了网格世界的可视化环境。系统包含四大功能模块：网格环境创建模块支持自定义起点、终点和障碍物；路径规划模块实现DLite算法进行实时路径计算；交互控制模块允许用户通过键盘鼠标操作环境；可视化模块动态展示机器人移动和路径重规划过程。项目采用面向对象设计，通过Node和Graph类构建网格世界，支持4/8连通方式，并提供了路径规划过程的可视化分析工具，直观展示了动态环境下的路径规划原理与应用。
2026-01-12 09:49:44
152
5
原创 （8-2-02）自动驾驶中的无地图环境路径探索：基于Pygame的交互式路径规划器（2）
本文介绍了一个基于A和DLite算法的路径规划可视化程序。程序通过Pygame实现了一个交互式界面，允许用户在网格上设置起点、终点和障碍物，并选择算法进行路径搜索。主要功能包括： 可视化网格系统：支持50x50网格，用户可通过鼠标放置/删除起点、终点和障碍物 两种算法实现：A算法用于静态环境，DLite算法支持动态障碍物更新 交互式操作：空格键启动算法，回车键执行下一步，"c"键重置网格 实时路径显示：算法执行过程中动态显示搜索过程和最终路径 程序采用面向对象设计，包含Grid、Spot
2026-01-12 09:47:06
160
1
原创 自动驾驶核心技能：这本Python路径规划书，让算法从“调用”到“掌控”
《Python路径规划与决策算法》是一本专注于自动驾驶路径规划技术的实战指南。该书系统讲解了从基础Dijkstra、A算法到高阶DLite、RRT等10大核心算法，通过"原理拆解+Python实现+场景适配+优化技巧"的全链路模式，帮助读者掌握自动驾驶路径规划的核心技术。书中包含15+个高仿真实战项目，覆盖城市道路、突发障碍物等典型场景，并兼容ROS、Gazebo等工具链，有效解决算法落地难题。本书特别适合Python开发者、自动驾驶从业者及高校师生，既能夯实算法基础，又能提升工程实践能
2026-01-11 19:37:51
1319
1
原创 （8-2-01）自动驾驶中的无地图环境路径探索：基于Pygame的交互式路径规划器（1）
本项目开发了一个基于Pygame的交互式路径规划器，实现了A和DLite两种算法。用户可通过GUI设置起点、终点和障碍物，实时观察路径规划过程。系统包含路径计算、障碍物扫描和动态更新等功能，通过曼哈顿距离计算节点代价，使用优先队列优化搜索过程。该工具既可用于算法教学演示，也可作为路径规划研究的实验平台，适用于物流、自动驾驶等领域。核心代码实现了节点状态更新、最短路径计算和动态障碍物处理等功能，提供了直观的算法可视化体验。
2026-01-11 19:34:56
216
原创 （8-1）自动驾驶中的无地图环境路径探索：D* Lite算法简介
本文介绍了DLite算法在动态环境路径规划中的应用。DLite是D*算法的改进版本，通过增量式路径更新和局部搜索实现在未知或部分已知环境中的高效路径规划。文章详细阐述了算法的核心思想、实现步骤，并通过迷宫路径探索案例展示了具体应用。案例中使用Pygame实现交互式路径规划器，包括节点定义、代价计算、障碍物地图生成等关键环节，最终可视化展示了起点到终点的最短路径。该算法在机器人导航、无人驾驶、物流仓储等领域具有重要应用价值。
2026-01-11 19:31:09
128
原创 （7-3）自动驾驶中的动态环境路径重规划：实战案例：探险家的行进路线
摘要：本文介绍了使用Python实现D算法解决探险家路径规划问题的实战案例。通过map.py生成包含起点（红色）、终点（绿色）和障碍物的地图图像（my_map.png和my_map_newobs.png），然后利用dxing.py中的D算法实现动态路径规划。该算法能实时处理新发现的障碍物（标记为紫色），分别用蓝色路径表示初始规划路线，红色路径表示遇到新障碍后重新规划的路线。案例展示了D*算法在动态环境中寻找最优路径的能力，最终输出可视化结果图像my_map_result.png。
2026-01-09 10:39:24
298
2
原创 （7-2-02）自动驾驶中的动态环境路径重规划：实战案例：探索机器人的新家
摘要：本文介绍了一个基于D算法的机器人路径规划系统，用于在8x8网格地图中寻找从起点(S)到终点(E)的最短路径，同时避开障碍物(#)。系统通过初始化地图网格、定义开放列表和关闭列表，实现了首次搜索和动态路径规划功能。关键算法包括处理状态更新、邻居节点查找和路径优化。通过可视化函数draw_effect展示路径规划结果，系统能够适应动态环境变化（如障碍物位置改变）并重新规划最优路径。该实现展示了D算法在机器人路径规划中的有效应用，具有动态适应性和高效性特点。
2026-01-09 10:36:26
1013
2
原创 （7-2-01）自动驾驶中的动态环境路径重规划：迷宫中的D*算法探索与动态障碍物处理
本文通过一个迷宫路径规划案例，详细介绍了D算法的实现过程。D算法是一种动态路径规划算法，适用于机器人或自动驾驶车辆在未知或动态变化环境中重新规划路径。文章首先定义了状态类和地图类，实现了迷宫环境的建模。然后重点讲解了D算法的核心流程，包括代价计算、状态更新和路径优化等关键步骤。通过Python代码实现了D算法，并使用Matplotlib库可视化展示了算法在静态和动态障碍物环境下的路径规划效果。案例结果表明，D*算法能够有效处理环境变化，实时更新最优路径。该实现为智能体在复杂环境中的导航提供了可靠解决方案。
2026-01-08 10:36:19
877
2
原创 （7-1）自动驾驶中的动态环境路径重规划：D*算法介绍
本文介绍了动态路径规划中的D算法，详细阐述了其发展背景、原理实现及与A算法的对比。D算法是A算法的改进版本，特别适用于动态环境下的路径规划问题。文章首先回顾了D算法的发展历程，从早期静态路径规划到适应动态环境的演进过程。然后重点讲解了D算法的核心原理，包括局部搜索、路径更新和环境变化处理机制，并详细说明了算法实现的七个关键步骤。最后通过对比分析，突出了D算法在动态环境中利用历史信息进行增量搜索的优势，以及其特有的k值机制和状态处理方法。文章还介绍了D算法中的常用概念和关键函数，为理解算法提供了完整框架。
2026-01-08 10:31:22
344
原创 （6-4）自动驾驶中的全局路径精简计算：校内机器人配送系统
校内机器人配送系统是一个基于Floyd算法的校园导航项目，通过Python实现校园内任意两点间的最短路径查询和地点信息查询。系统包含16个校园地点节点，使用邻接矩阵存储路径信息，并实现了地点可视化、路径计算和用户交互功能。用户可通过命令行界面查询地点信息、获取最短路径（如"图书馆到小礼堂最短距离40米"）或查看校园路径图。项目采用Floyd-Warshall算法计算全源最短路径，并提供了图形化展示功能，有效提升了校园内的导航效率。系统核心代码约150行，涉及矩阵运算、路径回溯和Matpl
2026-01-07 12:02:14
30
3
原创 （6-3）自动驾驶中的全局路径精简计算：Floyd算法的改进
本文介绍了Floyd算法的两种优化改进方法。首先提出空间优化方案，通过使用单个二维数组替代传统双矩阵存储，有效降低内存消耗50%。随后重点探讨并行化优化策略，包括任务并行化、数据并行化、GPU加速和分布式计算四种实现方式，并给出Python多线程并行化处理的具体实例。实例中通过将邻接矩阵分块处理，利用ThreadPoolExecutor实现并行计算，最后使用NetworkX和Matplotlib进行结果可视化。两种优化方法可单独或组合使用，显著提升算法执行效率并降低资源消耗，适用于不同计算环境和应用场景。
2026-01-07 11:59:00
28
1
原创 （6-2）自动驾驶中的全局路径精简计算：Floyd算法的核心思想
Floyd算法是一种动态规划算法，用于求解图中所有节点对之间的最短路径。其核心思想是通过逐步引入中间节点来更新节点间的最短距离。算法实现步骤包括：初始化邻接矩阵，通过三重循环遍历所有节点组合，不断更新最短路径矩阵。算法时间复杂度为O(n³)，适用于权值非负的有向图或无向图。文中还提供了Python实现示例，通过可视化展示了算法计算过程和结果。该算法能够高效计算出任意两节点间的最短路径，并在矩阵中呈现最终结果。
2026-01-06 10:38:25
176
4
原创 （6-1）自动驾驶中的全局路径精简计算：Floyd算法简介
摘要：Floyd算法是解决图中所有节点对最短路径问题的经典算法，由Robert W. Floyd于1962年提出。该算法采用动态规划思想，时间复杂度为O(V^3)，适用于稠密图但不处理负权边。与Floyd-Warshall算法相比，后者更通用且能处理负权回路。Floyd算法在网络路由、交通规划、电路布线和地图导航等领域有广泛应用，为自动驾驶的全局路径规划提供了高效解决方案。
2026-01-06 10:36:35
118
1
原创 （5-3-02）基于Flak和Floyd-Warshall的航班查询系统：计算最短路径+Flask Web前端
ConnectingFlights系统实现航班最短路径计算与查询功能。该系统包含两个核心模块：1) 计算模块采用Floyd-Warshall算法实现多标准（价格、时长、距离）最短路径计算，通过ConnectingFlights类管理数据库交互；2) Web前端基于Flask框架开发，提供用户友好的查询界面，支持起点/终点选择和三种路径优化标准，查询结果以可视化方式展示具体航班信息和总权重。系统实现了从算法计算到用户交互的完整解决方案，为航空运输领域提供高效的路径规划工具。
2026-01-05 10:52:06
135
3
原创 （5-3-01）基于Flak和Floyd-Warshall的航班查询系统：背景介绍+数据操作
本文介绍了一个基于Flask框架和Floyd-Warshall算法的航班查询系统。系统通过MongoDB数据库存储航班信息，提供Web和命令行两种查询方式。用户可输入起止机场及优先标准（价格/距离/时间），系统会返回最短路径的航班详情。核心功能包括：数据库操作类Database.py实现MongoDB连接及数据管理；scale_down_csv.py处理CSV数据导入；db_test.py进行单元测试确保可靠性。该系统能自动计算最优航线，简化用户查询流程，为航空出行提供智能解决方案。
2026-01-05 10:49:09
110
原创 通用AI Agent——人工智能落地的核心引擎
《AIAgent架构设计与实现》系统阐述了下一代智能系统的核心原理与工程实践。本书由腾讯T4工程师等专家编写，通过11章内容构建完整知识体系，涵盖基础认知、架构设计、核心技术、复杂场景和应用实战五大模块。重点解析了分层架构设计、多Agent协作、从被动应答到主动执行的能力跃迁等关键技术突破，并详细介绍了感知、决策、执行三大系统的实现方案。书中包含智能客服、自动驾驶、量化交易等典型落地案例，为开发者提供从理论到实践的完整指导。本书适合AI开发者、企业技术负责人及科研人员阅读，是掌握AIAgent核心技术的权威
2026-01-04 17:49:13
935
1
原创 （5-2）自动驾驶中的全局路径规划：Floyd-Warshall算法的应用案例
摘要：本文介绍了Floyd-Warshall算法在两个实际案例中的应用。第一个案例是航空线路规划系统，通过计算四个城市间的最短航线距离，帮助航空公司优化航程和飞行时间。第二个案例是城市交通规划程序，在考虑单行道等交通规则的情况下，计算五个交叉路口间的最短路径。两个案例均提供了完整的Python实现代码，包括邻接矩阵表示、算法核心逻辑以及可视化展示功能。算法输出结果包括最短距离矩阵和优化路径信息，并生成了直观的网络图，为实际应用提供了决策支持。
2026-01-04 17:46:46
488
原创 （5-1）自动驾驶中的全局路径规划：Floyd-Warshall算法简介
摘要：本文深入探讨Floyd-Warshall算法在全局路径规划中的应用。该动态规划算法通过遍历所有节点更新距离矩阵，解决所有节点对之间的最短路径问题，适用于带负权边但不含负权环路的图。文章详细介绍了算法原理、实现步骤及在交通规划、航空航线、电力网络等领域的应用场景，并分析了其在大规模图中的局限性。通过Flask实现的航班查询系统案例，展示了算法在实际系统中的运用。最后指出算法虽能有效解决最短路径问题，但时间复杂度较高，在大规模应用中可能存在性能挑战。
2026-01-04 17:44:26
141
文本分类与情感分析算法 数据集
2024-05-22
行为预测算法：基于自动驾驶大模型的车辆轨迹预测系统
2024-05-13
专栏《NLP算法实战》中第9部分《大模型Transformer》的所有配套源码
2024-04-24
斗转星移换图系统（PyTorch+Visdom+CycleGAN）源码
2024-04-24
Tensorflow机器翻译系统和PyTorch机器翻译系统
2024-03-22
AI智能问答系统的源码资料
2024-03-15
《基于深度强化学习的量化交易策略》一文的源码
2024-02-29
比特币价格预测系统的项目的源码和数据集
2024-01-13
我的专栏《大模型从入门到实战》2-1到2-3的配套源码，包含数据集
2024-01-11
金融大模型实战：个人专栏《检测以太坊区块链中的非法账户》项目的源码和数据集
2024-01-11
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人