关闭VSCode的GitHub Copilot功能
解决方法：
- 卸载VSCode自带的Github Copilot插件，在已安装的插件列表中选择卸载。
打开Setting，搜索github，勾选"Chat:Disable AI Features"选项。
Read more
用OpenClaw做飞书ai办公机器人（含本地ollama模型接入+自动安装skills+数据可视化）
执行git clone https://github.com/openclaw/openclaw克隆项目，执行cd openclaw进入项目 执行node --version看看node的版本是否大于等于22（没有node.js需自行安装），再执行npm install -g pnpm安装作为包管理器，并执行pnpm install安装依赖 首次执行pnpm ui:build构建 Web UI（会先安装 ui/ 目录的依赖） 执行pnpm build构建主程序 执行pnpm openclaw onboard --install-daemon运行配置向导（安装守护进程），完成初始化 按键盘右箭头选择Yes，同样Yes 任选一个模型提供商都行，没有对应的提供商的密钥可以跳过，如果是本地模型选vLLM（需用vLLM框架启动模型，有性能优势，但原生vLLM仅完全支持Linux的cuda）、Custom Provider（可以连接任何 OpenAI 或 Anthropic 兼容的端点，
基于YOLOv10n-SOEP-PST的跟随式助老机器人目标检测与识别系统详解
1. 基于YOLOv10n-SOEP-PST的跟随式助老机器人目标检测与识别系统详解 【CC 4.0 BY-SA版权 版权声明：本文为博主原创文章，遵循版权协议，转载请附上原文出处链接和本声明。 文章标签： 深度学习 同时被 2 个专栏收录 这个损失函数由五个部分组成：边界框坐标损失（前两行）、置信度损失（第三、四行）和分类损失（最后一行）。 λ c o o r d \lambda_{coord} λcoord 和 λ n o o b j \lambda_{noobj} λnoobj 是权重参数，用于平衡不同损失的重要性。 I i j o b j
突破机器人通讯架构瓶颈，CAN/FD、高速485、EtherCAT，哪种总线才是最优解？
引言： 从协作机械臂到人形机器人，一文拆解主流总线技术选型困局 在机器人技术飞速发展的今天，从工厂流水线上的协作机械臂到科技展会上的人形机器人，它们的“神经系统”——通讯总线，正面临着前所未有的挑战。特斯拉Optimus的精准动作、波士顿动力Atlas的流畅跑跳，背后都是海量数据的高速交互。 然而，许多工程师在项目初期都会陷入同一个困境：面对RS485、CAN/CAN FD、EtherCAT等多种总线方案，究竟该如何选择？ 本文将从机器人类型与需求分析出发，深入剖析三大主流总线技术的优劣，不提供“标准答案”，只提供一套科学的选择方法论。 一、机器人类型与通讯需求拆解 不同机器人的自由度、运动复杂度和性能要求，直接决定了其通讯总线的选择方向。下图概括了三种典型机器人的通讯需求与方案选择： 1. 低自由度/轻量型机器人（6-12自由度） 典型代表：协作机械臂、AGV小车、桌面级教育机器人。 核心需求：成本敏感、可靠性、易于集成、适度实时性（毫秒级）。这类机器人节点数相对较少，数据量不大，但对性价比要求极高。 现有主流方案：CAN
一：ROS2+gazebo+PX4环境搭建:环境搭建到无人机起飞
前言 写博客记录学习的过程。 由于博客是安装完环境后写的，因此实际可能会有一些出入，但是实际上也大差不差的。 环境搭建 前置环境 * ROS2 humble * Gazebo Classic (11) 1.下载 PX4 源码 在你的 Home 目录下，用 Git 克隆 PX4 的代码仓库，并更新所有子模块。 git clone https://github.com/PX4/PX4-Autopilot.git --recursive 注意：由于这个源码中包含许多子模块，因此不建议到github主页下载zip再解压，这样做会缺失许多子模块。使用大陆的网络克隆起来会十分慢，因此强烈建议大家使用网络加速！ 2.运行自动安装脚本 PX4 提供了自动化脚本，可以帮你安装编译仿真环境所需的所有依赖。 cd PX4-Autopilot bash ./Tools/setup/