liu-ry-CSDN博客

原创 Autoware.universe中基于SLAM算法(LIO-SAM算法)生成点云地图

LIO-SAM算法生成点云地图

2024-10-15 10:16:31 3780 15

原创 Autoware.universe中的Map模块学习

Autoware中的Map模块

2024-10-15 10:01:24 2919

原创 Autoware.universe 安装与环境搭建以及Demo运行

安装内容：Autoware + ROS2 + CUDA本地电脑环境：Ubuntu22.04+8核+8G运行内存+150G系统交换区间。

2024-10-10 11:33:01 3582 13

原创下班1小时Day10 | Normalization 学习

BatchNorm 依赖 mini-batch 统计，适合大 batch CNN；LayerNorm 在单个 token 的 hidden 维度上统计，因此更适合 Transformer 和变长序列；RMSNorm 进一步去掉均值中心化，只控制向量尺度，因轻量稳定而广泛用于现代 LLM；理解各种 Norm 的关键，不是背公式，而是抓住两个问题：统计谁？前者决定均值、方差或 RMS 从哪些维度计算，后者影响残差路径、梯度传播和训练稳定性。选型时应结合数据形状、模型结构、batch 大小和任务目标综合判断。

2026-07-07 22:38:48 213

原创下班1小时Day9 | 位置编码学习

这组图从绝对位置编码讲起，进一步梳理相对位置、RoPE、ALiBi，以及图像和视频中的 2D/3D 时空位置编码。核心差异在于：有的方法把位置直接加到输入表示中，有的方法把距离信息融入 attention score，还有的方法通过旋转 Q/K 隐式表达相对距离。Transformer 本身擅长建模 token 之间的关系，但如果没有位置信息，它很难区分“我爱你”和“你爱我”。位置编码的作用，就是把“元素在哪里”转化为模型可计算的向量或注意力偏置。

2026-07-06 00:15:26 212 1

原创下班1小时Day8 | VIT 学习

ViT 的关键思想，是把图像从“二维网格”转化为 Transformer 可以处理的“Token 序列”。一张图像会先被切成固定大小的 Patch，每个 Patch 展开后经过线性投影，得到一个视觉 Token；再加入位置编码，保留空间顺序信息。最终，经过多层交互后的 CLS Token 通常作为整张图像的表征，送入分类头完成预测。但需要注意：Patch 本身不是 Token，经过 Patch Embedding 后的向量才是 Transformer 真正读取的输入。

2026-07-06 00:11:06 211 1

原创下班1小时Day7 | Attention 学习

Transformer 的注意力机制，本质是在为每个 Token 生成“上下文化表示”：先把输入投影成 Query、Key、Value，再用 Query 与 Key 计算相关性，通过 softmax 得到权重，最后按权重汇聚 Value。理解这条主线，就能把 Transformer 中最核心的结构串起来：不是简单记忆词序，而是学习 Token 之间可计算、可组合的关系。Multi-Head Attention 让模型从多个子空间并行观察不同依赖；

2026-07-05 01:56:54 187 1

原创下班1小时Day5 | Flow-Matching 学习

以线性路径为例，中间点可写为 x_t=(1-t)x_0+t x_1，目标速度为 u_t=x_1-x_0；模型通过最小化预测速度与目标速度之间的 MSE，学习一个可积分的生成速度场。采样时，只需从噪声出发，沿学习到的 ODE 速度场积分，就能逐步流向数据分布。核心在于三件事：路径怎么定义、速度怎么监督、样本如何沿速度场生成。它不再把生成过程拆成大量离散去噪步骤，而是在连续时间上构造从噪声分布到数据分布的路径，并训练神经网络预测每个中间样本在当前时刻应该朝哪个方向移动。

2026-07-05 01:55:12 155 1

原创下班1小时Day6 | Stable Diffusion学习

Stable Diffusion 的核心并不是“直接在高清像素上作画”，而是把图像压缩到 latent space，在更低维的表示中进行扩散去噪，再通过 VAE Decoder 还原成图像。文本 Prompt 经 Text Encoder 转为条件向量，U-Net 在 Cross-Attention 的调制下预测当前 latent 中的噪声，Sampler 按时间步不断更新，最终得到干净 latent。但它并非万能：细节、文字、真实性和偏见问题仍需人工判断与安全约束。

2026-07-01 23:05:56 180 1

原创下班1小时Day3 | DDPM学习(附开源代码)

决定每晚花 1-2 小时，拆解具身智能核心技术，用最少量代码、零基础友好的方式实现，帮自己也帮大家筑牢底层地基，以不变应万变。最近 VLA、WAM、AGI 这些词每天听 N 遍，新词汇还没搞懂就成了 “旧热点”，越追越焦虑 😮‍💨。Day1 打卡✅ 今天啃的是「DDPM」的核心逻辑与极简实现。学习中用到的所有代码，都同步在这个开源仓库，新手也能直接跑通👇。内容有疏漏或理解偏差，欢迎大佬指正，也欢迎评论区一起交流学习！沉下心想了想：与其跟风追热点，不如沉下心打牢基础。⚠️ 踩坑点 & 避坑指南。

2026-05-23 00:42:09 44 1

原创下班一小时系列 Day2--VQ-VAE

学习/整理过程中用到的代码，我都会放到下面这个仓库，尽量以最简单形式，最少量代码，零基础友好的形式来实现。欢迎关注：https://github.com/liu-ry/EmbodiedZero/tree/main/vae。冷静思考后，觉得还是需要每天花点时间学习、回顾、梳理这个赛道的内容，打好"具身地基"，以不变应万变。最近VLA、WAM、AGI等词汇每天都要听无数次，各种新词汇也在不断涌现，新内容没学会就变成旧内容了，焦虑常伴左右。内容有啥问题，欢迎指正，也欢迎评论区讨论。

2026-05-22 00:15:43 26 1

原创下班一小时系列 Day1--VAE

代码整理在Github中：https://github.com/liu-ry/EmbodiedZero/tree/main

2026-05-21 18:40:25 31

原创 VQ-VAE向量量化自编码器详解（附可运行代码）

码本是一个固定大小的向量集合，记为E = {e_1, e_2, …, e_K}，其中K为码本大小（仓库默认K=64），每个e_i是一个与z_e维度相同的向量。码本是模型训练过程中逐步优化的参数，最终会学习到输入数据的特征分布，每个码本向量对应一类数据特征。三重损失相互配合：重构损失保证拟合精度，码本损失优化码本质量，承诺损失约束编码器输出，三者结合确保模型既能精准重构，又能学习到稳定的离散隐空间分布，为生成新数据提供基础。

2026-05-18 23:57:04 369 2

原创 VAE变分自编码器详解（附EmbodiedZero开源仓库实战）

VAE本质是一种基于概率模型的生成模型，核心目标是学习输入数据的隐变量分布，通过编码-解码流程实现数据的重构与生成。与传统自编码器相比，VAE引入了概率分布假设，解决了传统自编码器无法生成新数据、隐变量无明确物理含义的问题，为后续扩散模型、具身智能相关算法（如扩散策略）奠定基础。EmbodiedZero仓库中的VAE实现遵循「最小可运行、原理透明」原则，仅依赖PyTorch+torchvision，无多余框架封装，新手可快速上手跑通代码，非常适合用来夯实理论与工程基础。

2026-05-18 23:55:58 372 1

原创 LeRobot 框架架构与开发指南

LeRobot框架是一个分层机器人控制与学习系统，包含四层架构：脚本层提供训练、评估等入口；配置管理层处理策略和训练参数；核心模块层包含策略模型(Policies)、机器人控制(Robots)、数据集管理(Datasets)等关键组件；工具层提供控制、训练等实用功能。框架支持多种机器人平台(so_follower、koch_follower等)和策略模型(ACT、Diffusion等)，并集成了数据采集、处理和环境仿真功能。开发指南包含新策略接入说明和关键文件参考，为机器人学习与控制提供完整解决方案。

2026-03-26 09:50:11 430

qq_43361250的博客