- 博客(637)
- 资源 (23)
- 问答 (5)
- 收藏
- 关注
RSS订阅原创 【MuJoCo从入门到精通】第12章 强化学习与 MuJoCo
想象你教一只小狗学习“坐下”这个指令。你手里拿着零食，说“坐下”，如果小狗碰巧坐下了，你就给它一块零食；如果它没有坐下，你就不给。经过多次尝试，小狗会逐渐明白“听到‘坐下’→ 做出坐下的动作 → 得到零食”，于是它就学会了。强化学习正是这个过程的数学化描述。在强化学习中，**智能体（Agent）**相当于小狗，**环境（Environment）相当于你和周围的世界。智能体不断尝试各种动作，从环境获得奖励（Reward）**信号，通过最大化长期累积奖励来改进自己的行为策略。
2026-08-31 18:26:55
215
原创 【MuJoCo从入门到精通】第11章 状态估计
在机器人控制中，准确的状态估计（如位置、速度、姿态）是反馈控制的基础。传感器（如 IMU、轮速计、关节编码器）存在噪声和漂移，单一传感器往往无法提供完整可靠的信息。因此，我们需要融合多传感器数据，通过滤波算法估计出更精确的状态。本章介绍状态估计的基本方法，包括卡尔曼滤波、扩展卡尔曼滤波（EKF）、IMU-轮速融合以及接触状态估计，并通过 MuJoCo 仿真验证。所有代码在下测试通过。
2026-08-31 10:39:05
10
原创 【MuJoCo从入门到精通】第10章 全身运动控制
在机器人控制中，全身运动控制（Whole-Body Control, WBC）旨在同时协调多个任务（如末端执行器跟踪、保持平衡、避障等），并考虑机器人的动力学和接触约束。对于足式或轮足机器人，WBC 是生成稳定运动的核心。本章将介绍任务空间控制、多任务优先级、零空间投影、接触力分配等基本概念，并通过小示例和综合实战帮助理解。所有代码在下测试通过。
2026-08-31 10:26:01
11
原创 【MuJoCo从入门到精通】第9章 仿真控制基础
开篇：本文所有截图都经过了作者验证！部分内容由大模型生成，作者经过整理和实验验证，排除了大模型生成中的错误和代码版本，环境错误，幻觉等所有坑点，所有踩过的坑希望能助力您学习MuJoCo 提升效率。可放心学习！在前几章中，我们学习了如何构建模型、配置驱动器和传感器。现在，我们进入控制算法的实现阶段。本章将介绍仿真控制的基本概念和方法，包括控制回路设计、PID 控制器、阻抗控制以及逆动力学控制。每个知识点都配有可运行的示例，帮助你在 MuJoCo 中验证控制算法。
2026-08-31 10:22:18
208
原创 【MuJoCo从入门到精通】附录3重启电脑后，vnc如何重新启动
在 Python 脚本中设置 ，然后运行。浏览器访问 http://<你的虚拟机IP>:6080/vnc.html。如果以上步骤后仍然报同样的错误，请提供 的输出，我们可以进一步诊断。
2026-08-31 08:35:08
8
原创 【MuJoCo从入门到精通】第8章 复杂模型构建
visual></visual>-- 机身 -->-- 前左腿 --></body></body>-- 前右腿（对称） --></body></body>-- 后左腿 --></body></body>-- 后右腿 --></body></body></body><actuator><sensor></sensor></mujoco>
2026-08-30 23:17:18
26
原创 【MuJoCo从入门到精通】第7章 MuJoCo下的传感器系统
在 MuJoCo 中，传感器定义在 MJCF 文件的 <sensor> 块内。每个传感器通过 name 属性标识，并通过 site 或 joint 等引用关联到模型中的元素。传感器数据在仿真过程中自动更新，存储在 数组中。直接使用 和传感器索引。使用 data.sensor("传感器名称").data 获取单个传感器数据（返回 NumPy 数组）。使用 和 获取每个传感器的地址和维度。MuJoCo 传感器类型包括：传感器类型说明。
2026-08-30 22:50:45
19
原创 【MHS协议】第四章：ESP32 接入 MHS 协议实战：从零构建一个 MHS 兼容设备
Anthropic 于 2026 年 8 月 27 日发布了 MHS 研究预览版（Research Preview），目前尚未开源。这意味着 MHS 的完整规范、官方 SDK 和驱动程序库目前仅对受邀的研究合作伙伴开放。普通开发者暂时无法直接下载“官方 MHS 驱动”来安装到 ESP32 上。但MHS 的核心设计思想是公开的，并且明确表示可与任何具有可编程接口的设备配合使用，且与具体 AI 模型解耦。基于官方公布的技术架构，我们完全可以在 ESP32 上模拟实现 MHS 的核心机制——标准化驱动、。
2026-08-30 08:05:45
21
原创 【MHS协议】第三章：MHS实战案例——从实验室到量子计算机的真实战场
前两章我们讲了MHS“是什么”和“怎么工作”。这一章，我们走进MHS的真实战场——看看那些全球顶尖的实验室和科技公司，究竟用MHS做到了什么。
2026-08-30 07:51:42
10
原创 【MHS协议】第二章：MHS技术架构深度解析——从驱动到控制的完整链路
上一章我们了解了MHS“是什么”以及“为什么需要它”。这一章，我们将掀开MHS的引擎盖，深入它的，看看AI智能体究竟是如何一步步“理解”并“操控”物理设备的。
2026-08-30 07:49:45
17
原创 【MHS协议】第一章 MHS协议是什么？——AI“长出手”的关键一步
MHS驱动让每台设备能够以标准格式被自动发现。设备和AI智能体可以在网络上互相发现并通信，无需定制专门的“翻译”程序。更关键的是，驱动程序中包含标签（tags），允许用户直接用自然语言输入设备的关键信息——比如机械臂的重量、最大运动范围、安全阈值等。这些信息过去要么写在纸质手册里，要么只存在于少数专家的脑中。MHS的意义不止于一个技术协议。它标志着AI竞赛的下半场，已经从“谁的模型更聪明”转向了“谁先让AI触碰真实世界”。对于科研人员，它意味着实验自动化的大门正在打开；
2026-08-30 07:45:57
14
原创 【MuJoCo从入门到精通】第6章 驱动器建模
在 MuJoCo 中，驱动器定义在 MJCF 文件的 块内。每个驱动器通过 joint 属性（或 site、tendon 等）与一个关节或传动系统关联。驱动器接收控制信号 ，并产生输出 data.act（力或运动）。常用的驱动器类型：驱动器类型说明<motor>力矩电机，施加力或力矩位置伺服（内部 PD 控制）速度伺服通用驱动器（可自定义增益）<muscle>肌肉模型（用于生物力学）<damper>。
2026-08-30 01:16:57
21
原创 【MuJoCo从入门到精通】第5章 接触与摩擦模型
xml = """-- 简化车身 -->-- 轮子 --></body></body><actuator></mujoco>"""# 施加驱动，观察轮子转动和车身运动data.ctrl[0] = 1.0 # 恒力矩print(f"Step {step}: 车身X={data.qpos[0]:.3f}, 轮子角速度={data.qvel[1]:.2f}, 接触数={data.ncon}")EOF。
2026-08-30 01:14:31
23
原创 【MuJoCo从入门到精通】第4章 刚体与关节建模
xml = """-- 基座 -->-- 肩关节（绕Z轴旋转） -->-- 肘关节（绕Y轴旋转） -->-- 腕关节（绕Y轴旋转） -->-- 末端执行器（球体） --></body></body></body></body></body><actuator><sensor></sensor></mujoco>"""print(f"模型名称: {model.names.decode().split(chr(0))[0]}")
2026-08-30 00:55:25
35
原创 【MuJoCo从入门到精通】第3章 MJCF 基础语法
在上一章中，我们通过单摆模型学习了 mjModel 和 mjData 的基本用法。但那些模型都是直接在 Python 字符串中编写的简单 XML。要构建更复杂的机器人（如轮足机器人 S10），我们需要系统掌握 MJCF（MuJoCo XML Format）的语法规则。本章将介绍 MJCF 的核心元素、坐标系统、单位体系，并通过一个完整的双摆模型实践所学内容。
2026-08-30 00:38:23
141
原创 【MuJoCo从入门到精通】第2章 第一个 MuJoCo 仿真
开篇：本文所有截图都经过了作者验证！部分内容由大模型生成，作者经过整理和实验验证，排除了大模型生成中的错误和代码版本，环境错误，幻觉等所有坑点，所有踩过的坑希望能助力您学习MuJoCo 提升效率。可放心学习！：本章通过一个自由下落的盒子和一个单摆模型，带你完成第一次完整的 MuJoCo 仿真，并深入理解 mjModel 与 mjData 这两个核心数据结构。我们将以示例为主线，在动手实践中自然地引入专业概念。此外，还会介绍如何通过浏览器远程查看仿真画面。
2026-08-28 20:44:45
313
原创 【MuJoCo从入门到精通】第1章：MuJoCo 概述
MuJoCo 最初由华盛顿大学的 Emo Todorov 教授于 2012 年开始开发，旨在解决传统刚体仿真器在接触丰富场景中数值不稳定、求解速度慢的问题。经过多年迭代，MuJoCo 形成了独特的软接触模型和高效求解器，在计算效率和仿真精度之间取得了优异平衡。2015 年，MuJoCo 被用于 OpenAI Gym 中的多个经典连续控制任务（如 HalfCheetah、Ant、Humanoid），从此在强化学习领域声名鹊起。
2026-08-28 18:33:20
587
原创 【MuJoCo从入门到精通】目录及阅读提示
1.1 什么是 MuJoCoMuJoCo 的历史与发展DeepMind 开源的意义MuJoCo 与其他仿真器对比（Gazebo、Isaac Sim、PyBullet、Webots）1.2 MuJoCo 的核心优势软接触模型的独特性计算效率与稳定性对强化学习的原生友好性丰富的传感器与驱动器模型1.3 应用场景概览足式机器人运动控制机械臂操作灵巧手抓取生物力学仿真具身智能研究1.4 安装与环境配置pip/conda 安装源码编译。
2026-08-28 14:48:41
34
原创 Multica 上真人之间如何协作
在的协作逻辑中，“两个人”的合作不仅是传统意义上的同事分工，更是**“人类与人类”通过“AI智能体”作为纽带**进行的三角协作。
2026-08-26 16:55:42
367
原创 Multica -智能体任务分派工具
它并非又一个 AI 编程工具，而是一个“人类 + AI 智能体”的混合团队工作空间。你可以像在 Jira 或 Linear 中给同事分配任务一样，将工作分配给 AI Agent，并实时追踪其进度。
2026-08-26 16:33:04
241
原创 系统网站性能优化诊断工具及使用
无论是通过上面的这三个网站中的哪个网站，都可以将网站的性能指标进行评分和分析。在大模型加持下，网站开发速度越发迅猛的今天，一个网站部署后的性能如何，对于用户而言至关重要，传统手动分析网站的方式虽然也有很重要的经验特征，但是一个网站的快速优化，甚至实现大模型自动优化的目标，这个网站的分析报告显得尤为关键。
2026-08-19 13:51:41
23
原创 【大模型】 【Spec Kit】1. 规则开发概述
本文介绍使用大模型完成编程的另外一种理念工具，它不同于传统开发方式，也不同于当前vibecoding，传统的方式主动权还是在人。而规则驱动开发，将开发整个下放给大模型完成，我们只给大模型提供规则，提供可用的功能集，并提供流程即可。我们通过这样的方式以规则的方式与大模型交互沟通，通过规则告知大模型可以使用的功能，该走的流程和使用的技术栈，完成的需求。但是我们不关心大模型具体的实现步骤。
2026-07-13 23:13:42
342
2
原创 什么是 Hermes 大模型？
Hermes 不是从头训练的基础模型，而是基于现有的强大基础模型（如 Meta 的 Llama 2、Mistral 等），通过得到的一系列对话模型。
2026-07-04 00:01:24
485
原创 手把手搭建一个儿童绘本自动生成工作流
（提供 文字叠加节点、LoadText 读取文本节点）其他均为 ComfyUI 内置节点，无需额外安装。安装完毕后重启 ComfyUI。
2026-06-01 17:56:24
367
原创 Error: GPG check FAILED 什么错误，怎么解决
说明 DNF 包管理器在安装时，发现部分软件包（从 源下载的）没有进行数字签名验证。这是出于安全考虑的默认行为，但在使用第三方源时很常见。
2026-05-28 17:47:38
198
原创 wan2.2_t2v_low_noise_14B_fp8_scaled.safetensors与wan2.2_t2v_high_noise_14B_fp8_scaled.safetensors什么区别
这两个模型文件并非相互独立的产品，而是一个协同工作的的左右手。
2026-05-28 00:03:45
345
原创 comfyui从0到1搭建自己的第一个文生图工作流，基于sd1.5
好的，我们这次，手动拖拽搭建一个适合 SD1.5 的文生图工作流模板。跟着做，你将对每个节点的作用理解得更透彻。
2026-05-26 16:59:38
943
原创 comfui的sd1.5模型，有多少采样算法，详解每一个采样算法
在ComfyUI里，采样器是控制AI如何一步步将“纯粹噪声”转化为“最终图像”的核心算法，就像一位雕塑家，每一次下刀都决定着作品的细节与神韵。。市面上的所有采样器，几乎都可以看作是这两种技术路线的变体和组合。
2026-05-26 00:28:42
692
原创 ComfyUI集成InfiniteTalk工作流，实现宠物主播视频生成
这套流程提供了从安装、下载模型到配置生成的一整套方案。如果过程中有报错拿不准，随时把错误信息发给我，我来帮你排查。
2026-05-22 17:17:20
900
原创 Github Copilot 实战：从代码辅助到研发效能跃迁
在日常开发中，我们常常陷入一种“重复劳动”的怪圈：花大量时间编写 boilerplate 代码，对着复杂的遗留逻辑挠头，或者为了凑齐单元测试覆盖率而机械地复制粘贴。这些琐碎的任务不仅消耗了宝贵的创造力，还容易让人在枯燥中产生疲劳，导致潜在的低级错误。随着 AI 编程助手的普及，越来越多的开发者开始尝试将这些重复性工作交给智能工具，自己则专注于核心业务逻辑的架构与设计。这种转变并非仅仅是为了“偷懒”，而是为了解决实际工程中的痛点。比如，当一个新成员加入项目面对数万行没有文档的旧代码时，如何快速上手？
2026-05-22 12:55:40
473
原创 ComfyUI 如何生成视频，demo
目前搭建的最小化工作流还比较基础，你可以把这个 。 工作流发给我看看，我能帮你加点高级功能（像。成功跑通后，你肯定想保存这来之不易的成果。），一步步把你的 AI 视频做得更炫酷！安装完成后需要重启 ComfyUI。（安装缺失节点），通常就能一键解决。如果提示“节点缺失”，先去 。我们来搭建一个最简单的。
2026-05-21 09:33:25
887
原创 v1-5-pruned-emaonly.safetensors 搭配mm_sd_v15_v2.ckpt 生成视频，具体操作步骤
【代码】v1-5-pruned-emaonly.safetensors 搭配mm_sd_v15_v2.ckpt 生成视频，具体操作步骤。
2026-05-20 17:57:15
3006
原创 java直接调用本地大模型文件，实现对话机器人
作为java程序员，我们如果直接调用springai框架作为深入学习大模型的技术的话，会发现在进行文生图或者文本对话的时候，要么依赖本地的ollama，要么是直接对接官方开放的api接口。哪怕再底层一些，也是写方法调用python或者c语言，最终实现调用第三方功能来完成大模型的调用。但是这种方式并不是非常简便的方法。对于java开发者而言，直接通过springboot项目+大模型文件来实现一个大模型项目是最简单并且可控性最强的。那么这种方式能否实现呢？答案是肯定的，我们这里介绍其中一种方法：Jlama 本文
2026-05-19 21:14:58
760
原创 stable-diffusion-webui怎么生成视频
我们知道stable-diffusion-webui是用来生成图片的，视频本质上就是图片的连续播放，那么stable-diffusion-webui是否就可以生成视频呢？答案是肯定的。本文介绍一种方法，使用stable-diffusion-webui来生成视频。具体的方法是：安装AnimateDiff 来基于rtx5060显卡 8G显存来生成视频。
2026-05-17 12:29:48
817
原创 Vibe Coding即氛围编程，直觉编程概念介绍
总的来说，Vibe Coding是AI时代编程工作流演变的一个重要方向，代表着编程从“如何做”到“做什么”的范式转变。尽管它还不能完全取代需要复杂架构和严格安全验证的大型项目，但作为一种强大的生产力工具，它正在重新定义从创意到产品的实现路径，是连接想法与现实的“高速公路”。了解它，就掌握了与AI高效协作这把新钥匙。希望这些能帮你对这个概念有个清晰的了解～
2026-05-15 20:27:42
565
原创 【智能体开发】【开发工具】【入门】LlamaIndex简介
作为Python数据科学生态的基石，Scikit-learn凭借其统一、简洁的API设计和强大、丰富的功能，是处理传统机器学习问题（特别是表格数据）的首选工具。虽然不适用于深度学习，但对于绝大多数分类、回归、聚类等任务，它仍然是最高效和可靠的解决方案。如果想深入了解哪个模块（比如特征工程或模型调参），也可以随时告诉我。
2026-05-15 09:27:26
467
原创 怎么查看olama是否用到了显卡加速
当我们使用springai开发一个对话机器人之后，如何确定后台运行的ollama使用了gpu加速了呢？这里有几种方法，分别来介绍。本文使用方案一做一下验证。要查看 Ollama 是否用上了显卡加速，最简单直接的方法是使用 命令查看已加载模型的设备分配情况，也可以用 这类系统工具实时监控 GPU 的占用率。
2026-05-13 21:54:55
877
原创 DeepSeek-v4 官方 API 集成 Dify
下面对第一种方式————进行手把手级细化，把所有操作拆解到每个界面点击、每个输入框内容，确保你能跟着一步不差地完成。：Cloud 云版 / 自部署 Community / Enterprise 版均通用。：约 5–8 分钟。：一个能收发邮件的邮箱，一个可正常访问 Dify 和 DeepSeek 的网络环境。
2026-05-09 06:14:49
1628
原创 DeepSeek-v4与dify集成的3种方式
希望快速体验，追求极简：👉 选择 方式一，你甚至不需要自己部署 Dify，使用 Dify 云端版即可。需要服务有更高可用性，或想节省成本：👉 选择 方式二，它能为你的应用提供一层或多层强大的服务备份。对数据安全有非常严格的要求，或需要在不联网的环境下使用：👉 选择 方式三，给你对数据和模型的绝对控制权。联网搜索：在 Dify 中，你还可以通过集成夸克搜索等工具，为 DeepSeek 赋予联网获取实时信息的能力，打造一个联网版的超级 AI。多模态交互。
2026-05-09 06:13:08
963
基于树莓派的Java版麦克纳姆轮智能控制学习平台.ppt
2021-03-06
c语言编写的二叉树深度优先遍历算法
2024-08-23
数据结构-二叉树的广度优先遍历
2024-08-23
软件工程-项目管理-可行性分析报告模板文档
2024-08-23
自动售货机的数据库设计文档
2024-08-23
freeswitch1.10.10编译包
2024-04-26
centos7arm64重装yum所需要的rpm包
2020-12-01
pi4j-core-1.2.jar
2020-01-15
maven-shade-plugin-3.1.0.jar
2018-11-10
kubernetes-release-1.18.zip-树莓派-centos7可用编译源码包
2020-08-07
软件工程-软件部署手册模板
2020-12-09
elasticsearch-7.5.2-x86_64.rpm
2020-02-17
vista/2008/win7 启动菜单自动修复工具
2012-08-22
ZD Soft Screen Recorder_8.0.exe
2020-02-20
TA创建的收藏夹 TA关注的收藏夹
TA关注的人