个人学习记录:每次连接固定WIFI时,设置无人机所分配的IP是固定的(亲测有效)

文章目录

概要

在ROS机器人(如超维M1)开发中,谁也不想每次都插显示器或者用4G模块。要实现“连接实验室WiFi”且“IP固定”,同时“不破坏原有环境(方便恢复)”,最稳妥的方案是利用 Ubuntu 系统自带的 Network Manager (nmcli) 针对“实验室WiFi”这个特定的连接设置静态IP。

这样做的优点是:只有连接实验室WiFi时IP是固定的;如果你把无人机带回家连接家里WiFi,它依然会自动获取IP,不会导致连不上网。

第一步:准备工作(收集网络信息)

在操作无人机之前,你需要先用你的电脑连接上实验室的WiFi,获取一下网络的“网段”和“网关”,防止填错导致无人机连不上网。

1、电脑连上实验室WiFi。
2、查看信息(以Windows为例):

  1. Win + R,输入 cmd 回车。
  2. 输入 ipconfig 回车。
  3. 找到你无线网卡的信息,记下以下三个数据(假设数据如下):
    IPv4 地址: 192.168.1.105 (这说明网段是 192.168.1.x)
    子网掩码: 255.255.255.0 (这代表掩码长度是 24)
    默认网关: 192.168.1.1 (关键数据,记下来)
  4. 规划无人机的IP:
    为了避免和实验室其他人的手机、电脑IP冲突,建议把无人机的IP设得大一点。比如网段是 1.x,那你就设为 192.168.1.200(只要在2-254之间且没人用就行)。

第二步:在无人机上配置(一次性操作)

这一步你需要最后一次插上显示器/键盘,或者用你现在的4G卡/随机IP方式SSH进去。
我们将使用 nmcli(命令行网络管理器)来操作,这是Ubuntu最标准、最不破坏系统文件的方法。

1.扫描并连接实验室WiFi

如果还没连过,先执行连接(如果已经连上了,跳过此步)

# 扫描WiFi nmcli device wifi list # 连接WiFi (替换引号内容) nmcli device wifi connect "实验室WiFi名称" password "实验室WiFi密码"

2. 找到刚才建立的连接名称

连接成功后,系统会生成一个“连接配置文件”。我们需要知道它的确切名字

nmcli connection show 

输出示例:
NAME UUID TYPE DEVICE
Lab_WiFi_5G 550e8400-e29b-41d4-a716-446655440000 wifi wlan0
wired0 …
记下 NAME 这一列的名字(例如叫 Lab_WiFi_5G,或者直接就是WiFi名字)。

3. 将该连接修改为静态IP (关键步骤)

假设你的连接名字是 Lab_WiFi,规划的IP是 192.168.1.200,网关是 192.168.1.1。
请逐行执行以下命令(注意替换成你实际的参数):

# 设置为手动模式(静态IP) nmcli connection modify "Lab_WiFi" ipv4.method manual # 设置你想固定的IP地址和子网掩码 (/24 对应 255.255.255.0) nmcli connection modify "Lab_WiFi" ipv4.addresses 192.168.1.200/24 # 设置网关(刚才电脑上查到的那个) nmcli connection modify "Lab_WiFi" ipv4.gateway 192.168.1.1 # 设置DNS(否则只能连IP,上不了百度,建议用阿里云DNS和谷歌DNS) nmcli connection modify "Lab_WiFi" ipv4.dns "223.5.5.5 8.8.8.8"# 设置该WiFi为自动连接 nmcli connection modify "Lab_WiFi" connection.autoconnect yes

4. 重启该网络连接以生效

# 关闭再打开连接 nmcli connection down "Lab_WiFi" nmcli connection up "Lab_WiFi"

5.验证

输入 ip addrifconfig,查看 wlan0 的IP地址是否变成了你设置的 192.168.1.200。


小结

从现在开始:

  • 无人机上电。
  • 等待约30-60秒(系统启动+WiFi连接)
  • 你的电脑连上同一个实验室WiFi。
  • 直接打开SSH工具,地址填 192.168.1.200 即可连接。

如有侵权请联系

Read more

【AI Agent入门】从RAG知识库到智能体架构:实质区分Coze、Dify与OpenClaw

【AI Agent入门】从RAG知识库到智能体架构:实质区分Coze、Dify与OpenClaw

在人工智能技术的演进历程中,我们正在经历一次重要的范式转换。大语言模型的使用方式正逐步从单一的文本对话,向具备自主执行能力的智能体(AI Agent)跨越。本文将结合系统性的架构图与主流零代码平台的实战界面,带大家全面梳理智能体的核心逻辑、RAG知识库的运转机制,以及如何在 Coze 和 Dify 这类现代平台上搭建专属的智能助手。 图片来自课程:0代码0基础,小白搭建智能体&知识库DeepSeek|Coze|Dify|RAG_哔哩哔哩_bilibili 目录 一、 智能体的演进阶段与核心架构 1. 智能体的发展阶段 2. 智能体的核心架构 二、 核心外脑:RAG 与个人知识库的流转 三、 零代码平台与底层框架实战:Coze、Dify 与 OpenClaw 解析 1. Coze:面向生态的零代码应用编排平台 2. Dify:高扩展性的开源 LLM

苹果设备本地AI大模型部署终极方案:Qwen3-32B完整教程

还在为云端AI服务的高延迟和隐私担忧吗?现在,你可以在自己的Mac上运行320亿参数的强大AI模型!Qwen3-32B通过MLX框架的深度优化,让苹果芯片的AI算力得到全面释放。 【免费下载链接】Qwen3-32B-MLX-6bit 项目地址: https://ai.gitcode.com/hf_mirrors/Qwen/Qwen3-32B-MLX-6bit 为什么选择本地AI部署? 当你想要在MacBook上运行AI助手时,传统方案要么性能不足,要么需要昂贵的云端服务。Qwen3-32B的突破在于: 🎯 完全本地运行:所有数据处理都在你的设备上完成,无需网络连接 🚀 极致性能体验:在M3 Max芯片上实现每秒25token的生成速度 💡 隐私安全保障:敏感数据永远不会离开你的设备 快速上手:5分钟完成部署 环境准备 首先确保你的系统已安装必要的依赖包: pip install --upgrade transformers mlx_lm 基础使用代码 from mlx_lm import load, generate # 加载模型 model, toke

我自己的主力claude

先说说为什么Claude成了我的“主力” 我平时工作涉及写作、代码调试、复杂逻辑分析和长文档处理。免费版的AI虽然能用,但一到深度任务就容易卡限额、响应变慢,或者上下文记不住太多内容。升级到Claude Pro之后,体验完全不一样: * 长上下文处理超强:Claude对几十万token的上下文理解特别稳,适合我把整个项目文档、代码库或者研究资料一次性扔进去,它能连贯地帮我梳理、优化、生成方案。很多时候,我甚至觉得它像一个细心的同事,而不是单纯的聊天机器人。 * 写作和代码能力突出:写专业文章、产品文案,或者调试复杂代码时,Claude的输出逻辑清晰、风格自然,修改建议也特别中肯。相比之下,我用其他模型时经常需要反复提示,它却能一次给出比较接近预期的结果。 * 日常使用更安心:响应速度稳定,高峰期也不容易掉链子。尤其是处理PDF、图片分析或者创意 brainstorm 时,感觉效率提升了不少。 当然,我也不是只用Claude一个。Gemini 在搜索整合和多模态任务上很给力,ChatGPT 的生态和插件体验还是很全面的。我的习惯是根据具体场景切换主力:长文本深挖用Claude

AIGC | Midjourney使用指南,直接拿捏~

AIGC | Midjourney使用指南,直接拿捏~

目录 前言:第一篇ZEEKLOG博客,还请各位大佬多多指教!! 一、认识Midjourney 二、Midjourney算法原理 三、Midjourney基本操作指南 1、安装 2、使用演示及基本分区讲解 3、命令解析 4、后缀解析 总结:     前言:第一篇ZEEKLOG博客,还请各位大佬多多指教!!   一、认识Midjourney   Midjourney是由David Holz 2022年3月推出的一款AI制图工具。处于聊天软件discord中,主要功能涵盖图像生成、风格化、变体生成、图生图等,且提供高级工具精细控制生成过程。 使用上需创建账户、获邀请后通过Discord频道输入文字提示来操作。相比于SD(stable diffusion) MJ随机性更大,细节处理精度不够。 二、Midjourney算法原理   MJ基于深度学习中的生成对抗网络(GAN)和扩散模型等技术。 * 生成对抗网络(GAN):由生成器和判别器组成。生成器的任务是根据输入的随机噪声和文本描述等信息,生成尽可能逼真的图像;