- 博客(362)
- 资源 (20)
- 问答 (1)
- 收藏
- 关注
原创 【具身智能利器】NVIDIA Isaac Sim 仿真平台体验测评
通过其高度可定制的特性、丰富的数据生成和处理工具,以及在真实动态环境中的应用验证,为机器人研究提供了一个强大的平台。通过高效的 GPU 加速、直观的用户界面、模块化设计和丰富的社区支持,Isaac Sim 为研究人员和开发者提供了一个强大的工具,加速了机器人和 AI 应用的开发和测试过程。NVIDIA Isaac Sim 作为一个强大的模拟平台,不仅提供了高质量的视觉效果和精确的物理模拟,还通过丰富的传感器支持、模块化设计和强大的计算能力,为学术研究提供了全面的支持。这有助于提高仿真的真实性和可靠性。
2024-11-13 23:19:24
51008
23
原创 如何使用 ChatGPT 进行编码和编程
ChatGPT 是一个强大的工具,可以满足许多不同的领域,具体取决于每个人的需求和经验水平。从编码助手到模拟终端,它足够灵活,可以承担大量角色并按照合适的标准执行它们。这使得使用 ChatGPT 进行编码和编程成为一个好主意。另一点值得注意的是,作为人工智能技术的一部分,ChatGPT 一直在成长和学习。它现在能做的事情可能只是几年后将能做的事情的一小部分。这就是为什么程序员应该密切关注软件并看看它会演变成什么。
2024-03-26 23:42:00
5917
原创 Open AI 的 Sora 是什么?它是如何工作的?应用场景、风险、替代方案、未来意义等
探索 OpenAI 的 Sora:一种突破性的文本到视频 AI,将在 2024 年彻底改变多模态人工智能。探索其功能、创新和潜在影响。OpenAI 最近宣布了其最新的突破性技术——Sora。到目前为止,这种文本到视频的生成人工智能模型看起来令人难以置信,为许多行业带来了巨大的潜力。
2024-02-21 20:52:04
5601
1
原创 [ROS 系列学习教程] 关于ROS的网络通讯方式TCP/UDP
*TCP是面向连接的、可靠的流协议,提供超时重发,丢弃重复数据,检验数据,流量控制等功能,保证数据能从一端传到另一端。UDP协议就相当于是写信给对方,寄出去信件之后不能知道对方是否收到信件,信件内容是否完整,也不能得到及时反馈,而TCP协议就像是打电话,你需要知道对方的号码才能打电话,交流的内容可以实时反馈,确保信息的完整性。TCP传输数据稳定可靠,适用于对网络通讯质量要求较高的场景,需要准确无误的传输给对方,比如,传输文件,发送邮件,浏览网页等等。TCP是健壮的,可靠的,并保证以相同的顺序传递数据包。
2023-11-04 21:26:18
7311
1
原创 [Qt 教程之Widgets模块] —— QGridLayout栅格布局
与`QBoxLayout`只能在一个方向布局不同,`QGridLayout`可以在网格中布局(垂直和水平两个方向)。
2023-02-12 16:51:38
26746
4
原创 [Qt 教程之开始的开始] —— qrc资源文件介绍与使用
Qt工程分组中,除了`Headers`、`Sources`、`Forms`外,还有一个文件夹`Resources`,只有当工程中有图片、音频等资源文件时才会用到。
2022-09-25 08:25:45
17621
1
原创 python第三方包离线安装(以matplotlib为例)
一、介绍整篇文章介绍python第三方包离线安装通用方法,单纯离线安装matplotlib,请直接跳到三、离线安装matplotlib我们知道python安装第三方包可以用pip install package 、conda install package 等命令,但实际中总有些不可抗力导致这些命令不能用,这时就需要离线安装第三方包。离线安装包可以在https://pypi.org/https://repo.anaconda.com/pkgs/https://www.lfd.uci.edu
2021-10-14 21:35:07
23397
10
原创 [ROS 系列学习教程] ROS与操作系统版本对应关系
Ubuntu和ROS版本对应关系及官方支持结束时间,加粗的为还在支持的版本。UbuntuROSEnd of Life14.04 LTSindigo lglooApril, 201916.04 LTSKinetic KameApril, 202118.04 LTSMelodic MoreniaMay, 202320.04 LTSNoetic Ninjemys (Recommended)May, 2025...............
2021-08-21 22:56:23
61884
18
原创 常用数据增强方法(基于pytorch)
技术不重要,而是思想。原则:让训练集与测试集更接近关于名称: 数据增强、数据扩增、数据增广 都是他。方法分类:空间位置:如平移色彩:如灰度图、色彩抖动形状:如放射变换上下文场景:如遮挡、填充具体方法:数据中心化数据标准化缩放裁剪旋转翻转填充噪声添加灰度变换线性变换仿射变换亮度、饱和度及对比度变换在深度学习模型的训练过程中,数据扩增是必不可少的环节。现有深度学习的参数非常多,一般的模型可训练的参数量基本上都是万到百万级别,而训练集样本的数量很难有这么多,数据扩增可以扩
2020-11-01 11:50:25
13178
1
原创 梯度下降算法详解(从下山比喻、数学推导到代码实现)
1. 方向导数方向导数:类比于函数的偏导数是函数沿坐标轴方向的变化率,方向导数是函数沿某一射线方向的变化率。定理:如果函数 f(x,y)f(x,y)f(x,y) 在点 P0(x0,y0)P_0(x_0,y_0)P0(x0,y0) 可微分,那么函数在该点沿任一方向 lll 的方向导数存在,且有∂f∂l∣(x0,y0)=fx(x0,y0)cosα+fy(x0,y0)cosβ(1)\left. \frac{\partial f}{\partial l} \right|_{(x_0,y_0)}=
2020-06-04 11:04:55
7017
3
原创 向量的内积外积与其几何意义
一、点乘(内积)有向量 a⃗=(x1,y1),b⃗=(x2,y2)\vec a=(x_1,y_1),\vec b=(x_2,y_2)a=(x1,y1),b=(x2,y2),夹角为 θ\thetaθ,内积为:a⃗⋅b⃗=∣a⃗∣∣b⃗∣cosθ=x1x2+y1y2\vec a \cdot \vec b=|\vec a||\vec b|\cos\theta=x_1x_2 + y_1y_...
2020-04-02 22:45:51
23268
3
原创 豪斯多夫(Hausdorff)距离
转于 https://www.cnblogs.com/xlz10/p/3929119.html一、定义给定欧氏空间中的两点集 A={a1,a2,...},B={b1,b2,...}A= \{a_1,a_2,...\},B= \{b_1,b_2,...\}A={a1,a2,...},B={b1,b2,...} ,豪斯多夫(Hausdorff)距离就是用来衡量这两个点集间的距离。...
2020-03-22 18:12:18
26088
14
原创 Darknet 输出网络结构详解
先来张图一、各列说明1. layer这一列顾名思义,是层名称。数字是层编号,后面是层名称。conv:卷积层。res:shortcut层(跨层连接,借鉴 resnet 而来,所以用res表示)yolo:YOLO层。route:融合层,就是把层进行合并,然后输出到下一层。(后面再仔细讲)upsample:上采样层。2. filters这是对于 conv 来说的,代表过滤器的通道...
2020-01-28 23:14:42
7694
4
原创 Ubuntu关于串口的操作(查看串口信息、串口助手、串口权限)
一、查看本机串口信息1. 串口是否在使用串口在 /dev 目录中,查看串口是否在使用,可以用命令 ls -l /dev/ttyUSB0说明:ls -l:是查看目录的命令,直接用ls或ll也可以。ttyUSB0:是串口名,一般都是tty开头,根据连接设备不同,有的串口名为 ttyS0 ,有的为ttyACM0,后面的0是串口号,按照你的需要改。结果:如果在使用会显示串口文件信息没有...
2019-11-25 18:25:33
66992
3
原创 Python实现isbn查询书籍详细信息
如有错误,请疯狂打脸没关系,希望能够指出来。0. 开始的开始一直想做一个图书漂流软件,最近入手(入坑)了微信小程序,添加图书时需要用到isbn查询书籍信息的API(不用也可以,但用户会非常麻烦,强迫症晚期的我又跳入了isbn查询API的坑),但发现别人的API都很贵,豆瓣也收回了API的使用权,估计是要收费了。所以,与其在坑里苦苦挣扎,不如。。。。再挖一个更大的坑,自己做一个。。。1....
2019-10-14 11:45:43
6311
1
原创 Linux(Ubuntu)系统查看显卡型号
给我的Ubuntu安装显卡驱动时,需要查看显卡型号,因为我的是Windows/Ubuntu双系统,一开始想到的是去windows查看,然后下载驱动,安装成功。方法一、lspci | grep -i vga后来想看一下linux怎么查看显卡型号,搜到命令lspci | grep -i vga,但返回的是一个十六进制数字代码,如下图:遂,继续百度,但都只是说了命令,没解释返回结果什么意思。又......
2019-03-26 16:35:00
187146
16
原创 windows下OpenCV的安装配置部署详细教程
一、简介OpenCV的全称是Open Source Computer Vision Library,是一个跨平台的计算机视觉库。OpenCV是由英特尔公司发起并参与开发,以BSD许可证授权发行,可以在商业和研究领域中免费使用。OpenCV可用于开发实时的图像处理、计算机视觉以及模式识别程序。该程序库也可以使用英特尔公司的IPP进行加速处理。 OpenCV用C++语言编写,它的主要接口也是C+...
2018-08-07 09:09:25
319666
83
原创 ubuntu 更新源详细操作步骤
由于linux系统自带的镜像源都在国外,国内用户下载或更新软件会比较慢,有时是非常慢,所以国内某些机构,如大学,研究院所,就在国内建了linux的镜像源服务器共国内linux用户使用,而我们要使用这些源,就要更改自己linux系统的更新源配置文件,接下来详述更新源操作步骤。1. 首先我们要找到国内的镜像源路径我选择了清华的镜像源,链接如下: https://mirrors.tuna.t
2018-01-22 13:23:33
85178
21
原创 【论文速递】2026年第06周(Feb-01-07)(Robotics/Embodied AI/LLM)
我们引入了 Green-VLA,这是一个分阶段的视觉-语言-动作 (VLA) 框架,用于在 Green 人形机器人上进行实际部署,同时保持跨不同实施例的通用性。Green-VLA 遵循五个阶段的课程:(L0) 基础 VLM、(L1) 多模式基础、(R0) 多实施例预训练、(R1) 特定实施例适应和 (R2) 强化学习 (RL) 策略调整。
2026-07-11 22:36:54
524
原创 【ROS2】动作通信机制 Action 代码示例(C++版)
其中,line:34 创建了一个action服务端,并绑定回调函数,handle_goal 处理客户端的 send_goal 请求;其中,注册回调函数展示了两种方法,第一种使用 std::bind 传统的标准C++风格,第二种使用 lambda 包装成员函数,更现代的C++风格。另外,需要注意的是,handle_accepted 应快速返回,避免阻塞执行器。其中,line:33 创建了一个action客户端,入参为节点指针和Action名称,返回Action客户端指针,用于后续操作。
2026-07-11 22:23:39
375
原创 【论文速递】2026年第05周(Jan-25-31)(Robotics/Embodied AI/LLM)
数据准备旨在对原始数据集进行去噪,揭示跨数据集关系,并从中提取有价值的见解,这对于各种以数据为中心的应用程序至关重要。在 (i) 对应用程序就绪数据的需求不断增长(例如,用于分析、可视化、决策)、(ii) 日益强大的 LLM 技术以及 (iii) 促进灵活代理构建的基础设施的出现(例如,使用 Databricks Unity Catalog)的推动下,LLM 增强方法正在迅速成为数据准备的变革性和潜在主导范式。
2026-06-14 17:31:24
338
原创 【ROS2】动作通信机制 Action
Goal(目标):客户端发送的任务请求Feedback(反馈):执行过程中的实时进度Result(结果):任务最终完成状态Action 基于 Topic 和 Service 构建,功能与Service类似,但Action可以取消。此外,它提供持续的反馈,而Service只返回一次响应。Action 底层由 5 个通信通道组成:3 个 Service + 2 个 Topic。通道类型方向用途/send_goalService提交目标,Server 返回是否接受Service取消目标。
2026-06-14 17:29:27
613
原创 【论文速递】2026年第04周(Jan-18-24)(Robotics/Embodied AI/LLM)
推理是推理、解决问题和决策的基础认知过程。虽然大型语言模型 (LLM) 在封闭世界环境中表现出强大的推理能力,但它们在开放式和动态环境中却举步维艰。代理推理将法学硕士重新定义为通过持续互动进行计划、行动和学习的自主代理,标志着范式的转变。在这项调查中,我们沿着三个互补的维度组织主体推理。首先,我们通过三个层次来描述环境动态:基础代理推理,建立核心的单代理能力,包括稳定环境中的规划、工具使用和搜索;自我进化的代理推理,研究代理如何通过反馈、记忆和适应来完善这些能力;
2026-06-14 17:20:59
464
原创 【论文速递】2026年第03周(Jan-11-17)(Robotics/Embodied AI/LLM)
在现实世界的视频问答场景中,视频通常仅提供本地化的视觉提示,而可验证的答案则分布在开放网络上;因此,模型需要联合执行跨帧线索提取、迭代检索和基于多跳推理的验证。为了弥补这一差距,我们构建了第一个视频深度研究基准 VideoDR。VideoDR以视频条件开放域视频问答为中心,需要跨帧视觉锚点提取、交互式网络检索以及对联合视频网络证据的多跳推理;通过严格的人工注释和质量控制,我们获得了跨越六个语义领域的高质量视频深度研究样本。
2026-06-14 17:17:19
636
原创 【ROS2】节点生命周期管理 LifecycleNode Hello World
前面讲过,rclcpp_lifecycle::LifecycleNode 和 rclcpp::Node 是两个不同功能的类,这里需要继承 rclcpp_lifecycle::LifecycleNode 而不是 rclcpp::Node。,原因是它只会简单循环处理回调,无法感知和控制节点的状态转换。使用生命周期节点和普通Node一样,要先获取指针,但不同的是生命周期节点不能使用。用于订阅状态转换事件,一般是外部节点订阅,用于监测其他生命周期节点的状态。,它通过组合方式持有各种接口,需要显式提取。
2026-06-14 17:14:39
342
原创 【论文速递】2026年第02周(Jan-04-10)(Robotics/Embodied AI/LLM)
随着语言模型的能力越来越强,用户期望它们不仅能够提供准确的响应,而且能够在各种场景中提供符合不同人类偏好的行为。为了实现这一目标,强化学习 (RL) 管道已开始整合多种奖励,每种奖励都捕获不同的偏好,以引导模型实现这些所需的行为。然而,最近的工作默认在多奖励设置下应用组相对策略优化(GRPO),而没有检查其适用性。在本文中,我们证明,直接应用 GRPO 来规范化不同的推出奖励组合会导致它们崩溃为相同的优势值,从而降低训练信号的分辨率,导致收敛不理想,在某些情况下,会导致早期训练失败。
2026-05-30 18:29:55
446
原创 【论文速递】2026年第01周(Dec-28-Jan-03)(Robotics/Embodied AI/LLM)
最近,以超连接(HC)为代表的研究通过扩大残余流宽度和多样化连接模式,扩展了过去十年建立的普遍存在的残余连接范式。虽然产生了显着的性能提升,但这种多样化从根本上损害了剩余连接固有的身份映射属性,这导致严重的训练不稳定和受限的可扩展性,并且还会产生显着的内存访问开销。为了应对这些挑战,我们提出了流形约束超连接(mHC),这是一个通用框架,将 HC 的剩余连接空间投影到特定流形上以恢复恒等映射属性,同时结合严格的基础设施优化以确保效率。
2026-05-30 18:26:00
277
原创 【ROS2】节点生命周期管理
对于和节点外部交互的话题与服务,ROS2设计为当处于 Inactive 状态时不进行响应。ROS2提供了 LifecyclePublisher 类,对应普通的 Publisher,他们的区别是当处于 Inactive 状态时,LifecyclePublisher 自动不发布消息,而 Publisher 仍然会发布消息。但对于话题的订阅,ROS2没有提供 LifecycleSubscriber,所以要实现 Inactive 状态时不进行响应,需要手动过滤。return;
2026-05-30 17:08:04
492
原创 【ROS2】参数 Parameter Hello World 代码示例讲解(C++版)
ROS2 取消了中心化的参数服务器,每个节点都可以是参数服务器。参数的生命周期与节点的生命周期绑定(尽管节点可以实现某种持久化机制,以便在重启后重新加载参数值)。ROS2的参数服务器实现了分布式,但通常机器人系统的配置仍然是集中管理的,接下来通过三个节点(参数管理节点、参数使用方的业务节点、参数修改方的业务节点)来介绍ROS2参数管理器的集中与分布式管理。参数的寻址方式包括节点名称、节点命名空间、参数名称和参数命名空间。然后是参数修改方的业务节点(dynamic_param_modifier),
2026-05-13 21:45:40
441
原创 【论文速递】2025年第52周(Dec-21-27)(Robotics/Embodied AI/LLM)
对大型语言模型 (LLM) 中高质量数据的快速增长的需求加剧了对可扩展、可靠且语义丰富的数据准备管道的需求。然而,当前的实践仍然以临时脚本和松散指定的工作流程为主,它们缺乏原则性的抽象,阻碍了可重复性,并且对模型在环数据生成的支持有限。为了应对这些挑战,我们推出了 DataFlow,这是一个统一且可扩展的 LLM 驱动的数据准备框架。DataFlow 采用系统级抽象设计,可实现模块化、可重用和可组合的数据转换,并提供 PyTorch 风格的管道构建 API,用于构建可调试和可优化的数据流。
2026-01-10 19:47:02
1545
原创 【ROS2】服务 Service Hello World 代码示例讲解(Python版)
ROS2建议创建一个 License 文件以说明该功能包的发布许可。hello_world_service_py:自定义功能包名称。编译成功后,会在ros2_learning目录下生成。欢迎大家加QQ群,一起讨论学习:894013891。命令,可以根据包名和节点名,在任何目录执行。ROS2的python版本使用。配置包的构建、分发和安装。
2026-01-05 22:06:21
711
原创 【论文速递】2025年第51周(Dec-14-20)(Robotics/Embodied AI/LLM)
我们提出了 Kling-Omni,这是一个通用生成框架,旨在直接从多模态视觉语言输入合成高保真视频。Kling-Omni 采用端到端的视角,弥合了不同视频生成、编辑和智能推理任务之间的功能分离,将它们集成到一个整体系统中。与脱节的管道方法不同,Kling-Omni 支持各种用户输入,包括文本指令、参考图像和视频上下文,将它们处理成统一的多模式表示,以提供电影质量和高度智能的视频内容创建。为了支持这些功能,我们构建了一个全面的数据系统,作为多模式视频创建的基础。
2026-01-04 18:24:09
2252
原创 【论文速递】2025年第50周(Dec-07-13)(Robotics/Embodied AI/LLM)
我们推出了 Wan-Move,这是一个简单且可扩展的框架,可为视频生成模型带来运动控制。现有的运动可控方法通常存在控制粒度粗和可扩展性有限的问题,导致其输出不足以实际使用。我们通过实现精确和高质量的运动控制来缩小这一差距。我们的核心思想是直接使原始条件特征具有运动感知能力,以指导视频合成。为此,我们首先用密集点轨迹表示对象运动,从而允许对场景进行细粒度控制。然后,我们将这些轨迹投影到潜在空间中,并沿着每个轨迹传播第一帧的特征,生成一个对齐的时空特征图,告诉每个场景元素应该如何移动。
2026-01-04 18:22:05
763
原创 【论文速递】2025年第49周(Nov-30-Dec-06)(Robotics/Embodied AI/LLM)
大型语言模型 (LLM) 通过将自然语言描述直接翻译为功能代码,从根本上改变了自动化软件开发,并通过 Github Copilot (Microsoft)、Cursor (Anysphere)、Trae (ByteDance) 和 Claude Code (Anthropic) 等工具推动商业采用。尽管该领域已经从基于规则的系统显着发展到基于 Transformer 的架构,但在 HumanEval 等基准测试中,性能从个位数提高到超过 95% 的成功率。
2026-01-04 18:19:54
1141
原创 【论文速递】2025年第48周(Nov-23-29)(Robotics/Embodied AI/LLM)
内存对于人工智能代理至关重要,但广泛采用的静态内存旨在提前创建可用的内存,不可避免地会遭受严重的信息丢失。为了解决这个限制,我们提出了一种称为通用代理记忆(GAM)的新颖框架。GAM 遵循“即时(JIT)编译”的原则,它专注于在运行时为其客户端创建优化的上下文,同时在离线阶段仅保留简单但有用的内存。为此,GAM 采用了具有以下组件的双重设计。1)存储器,它使用轻量级存储器突出显示关键历史信息,同时在通用页面存储中维护完整的历史信息。
2026-01-04 18:18:41
1369
原创 【论文速递】2025年第47周(Nov-16-22)(Robotics/Embodied AI/LLM)
本报告介绍了 Kandinsky 5.0,这是一系列用于高分辨率图像和 10 秒视频合成的最先进的基础模型。该框架包括三个核心模型系列:Kandinsky 5.0 Image Lite - 一系列 6B 参数图像生成模型、Kandinsky 5.0 Video Lite - 快速、轻量级的 2B 参数文本到视频和图像到视频模型,以及 Kandinsky 5.0 Video Pro - 实现卓越视频生成质量的 19B 参数模型。
2026-01-04 18:17:05
1217
原创 【论文速递】2025年第46周(Nov-09-15)(Robotics/Embodied AI/LLM)
我们推出 Lumine,这是第一个用于开发多面手智能体的开放配方,能够在具有挑战性的 3D 开放世界环境中实时完成长达数小时的复杂任务。Lumine 采用类人交互范式,在视觉语言模型的支持下,以端到端的方式统一感知、推理和行动。它以 5 Hz 的频率处理原始像素,以产生精确的 30 Hz 键盘鼠标操作,并仅在必要时自适应地调用推理。
2025-12-29 00:04:18
1319
原创 【论文速递】2025年第45周(Nov-02-08)(Robotics/Embodied AI/LLM)
用文本思考”和“用图像思考”范式显着提高了大语言模型(LLM)和视觉语言模型(VLM)的推理能力。然而,这些范式具有固有的局限性。(1)图像仅捕捉单个时刻,无法表示动态过程或连续变化;(2)文本和视觉作为不同模态的分离,阻碍了统一的多模态理解和生成。为了克服这些限制,我们引入了“用视频思考”,这是一种利用视频生成模型(例如 Sora-2)在统一时间框架中桥接视觉和文本推理的新范式。为了支持这一探索,我们开发了视频思维基准(VideoThinkBench)。
2025-12-29 00:03:04
1228
原创 【论文速递】2025年第44周(Oct-26-Nov-01)(Robotics/Embodied AI/LLM)
现代法学硕士主要通过显式文本生成进行“思考”训练,例如思维链 (CoT),它将推理推迟到训练后,而未充分利用训练前数据。我们提出并开源 Ouro,以递归 Ouroboros 命名,是一系列预训练的循环语言模型 (LoopLM),它通过 (i) 潜在空间中的迭代计算,(ii) 用于学习深度分配的熵正则化目标,以及 (iii) 扩展到 7.7T 令牌,将推理构建到预训练阶段。Ouro 1.4B 和 2.6B 型号具有卓越的性能,在各种基准测试中可与高达 12B SOTA LLM 的结果相媲美。
2025-12-28 23:58:45
1554
原创 【论文速递】2025年第43周(Oct-19-25)(Robotics/Embodied AI/LLM)
测试时间扩展旨在通过添加计算资源来提高大型语言模型 (LLM) 的推理性能。该领域流行的方法是基于采样的测试时间缩放方法,该方法通过在推理过程中为给定输入生成多个推理路径来增强推理。然而,尽管它在实践中取得了成功,但其理论基础仍未得到充分探索。在本文中,我们从置信度估计的角度提供了第一个分析基于采样的测试时间缩放方法的理论框架。基于该框架,我们分析了两种主要范式:自洽和困惑,并揭示了关键局限性:自洽遭受高估计误差,而困惑则表现出巨大的建模误差和估计误差收敛性可能下降。
2025-12-28 23:56:59
1112
机器人建模与仿真 URDF 建模实践代码
2024-05-15
[ROS 系列学习教程] rosbag 示例代码
2024-03-23
[CMake教程] 使用变量示例代码
2023-08-20
[CMake教程] 引用外部链接库
2023-08-13
[CMake教程] 生成链接库
2023-07-23
[CMake教程] 最简单的CMakeLists.txt - CMake Hello World
2023-07-23
isbn查询书籍详细信息2.5
2020-03-30
cURL工具库及头文件
2022-11-27
The PCI ID Repository v2.0(显卡型号十六进制代码列表)
2019-03-26
The PCI ID Repository V2.2(显卡型号十六进制代码列表)
2022-06-18
[modelnet40数据集] modelnet40_normal_resampled_1.zip(部分)
2020-07-17
点云可视化程序(ply、pcd、txt)
2020-11-05
一键检测 Linux基本系统信息、I/O测试、网速测试 -- superbench.sh
2019-08-26
Image-Processing-Toolbox & isrgb,isind,isbw
2019-07-01
[modelnet40数据集] modelnet40_normal_resampled_2.zip(部分)
2020-07-17
农机化研究期刊投稿格式要求
2019-07-19
C++ Qt 实现鼠标拖动旋转功能
2020-04-04
WS2_32.lib静态链接库及使用方法
2018-04-27
The Hundred-Page Machine Learning Book(百页机器学习书).pdf
2019-01-03
现代控制工程 (第五版)Modern Control Engineering(中文版+英文版+课后答案)
2018-12-31
私有成员函数可以声明为其他类的友元吗?
2021-11-02
TA创建的收藏夹 TA关注的收藏夹
TA关注的人
RSS订阅