具身神经-机器人运控通讯架构与实现系列

优质文章学习记录

— 1 min read

具身智能热潮之下，大量企业投身具身行业。在机器人本体控制方案上各家争鸣，但是试错路径太长，不少团队会在底层控制方案上走大量的弯路，导致资源浪费、项目延期甚至破产。

以第一性原则，探索当前具身机器人通讯架构实现最优解，加速具身机器人行业底层控制（通讯）系统技术方向收敛。尽可能帮助机器人本体系统工程师减少试错。

本系列仅针对机器人本体控制系统底层通讯部分：小脑<--->执行器/传感器之间的架构和具体实现。

gitee链接：https://gitee.com/Lenz_s_law/embodied-nerve

博文汇总

欢迎投稿

通讯架构分析篇

CAN/FD技术篇

  • CAN/FD总线性能分析-机器人应用
  • 机器人CAN/FD总线通讯架构设计
  • 机器人CAN/FD接口关键性能指标
  • 机器人CAN/FD接口扩展/实现方案

EtherCAT技术篇

内容待补充

机器人通讯模组计划

高性能USB-CANFD工具普及计划（非盈利性推广）

开源具身运控模块：EtherCAT-CANFDX4-OP

参考智元DCU方案设计，项目链接： https://gitee.com/ChengDu-KunHong/kh-ethercat-canfdx4-op.git

Read more

用ToClaw打造AI自动助手：重复任务一键托管，告别加班（附实操场景）

用ToClaw打造AI自动助手：重复任务一键托管，告别加班（附实操场景）

前言 每天打开电脑，其实都会做很多重复性的事情：清理桌面、查看信息、整理文件、检查任务状态……这些事情单独看都不复杂，但它们每天都在发生，而且一套流程下来就要花掉不少时间。 更关键的是，这些工作大多不需要动脑，属于典型的机械重复，但你又必须亲自去完成。时间久了，就会陷入一种很典型的状态——事情不难，但很耗时间；可以不做，但又不能不做。 这就是很多人都会遇到的“重复任务困境”。 而这类问题， ToClaw 能帮你完美解决。ToClaw 是 ToDesk 推出的桌面AI助手，不只是一个聊天工具，而是一个可以真正帮你“执行任务”的助手。通过自然语言，你可以直接让它帮你处理文件、分析信息、执行操作，甚至自动完成一整套流程。 在这篇文章里，我会用几个实际场景，来展示我是如何用 ToClaw 搭建一个“自动干活助手”的，把那些每天都要做的重复任务交给 AI，而我只需要关注最终结果。 一、ToClaw
Flutter 组件 genkit 的适配 鸿蒙Harmony 实战 - 驾驭大模型开发套件、实现鸿蒙端 AI 智能流式响应与提示词工程自动化方案

Flutter 组件 genkit 的适配 鸿蒙Harmony 实战 - 驾驭大模型开发套件、实现鸿蒙端 AI 智能流式响应与提示词工程自动化方案

欢迎加入开源鸿蒙跨平台社区：https://openharmonycrossplatform.ZEEKLOG.net Flutter 组件 genkit 的适配 鸿蒙Harmony 实战 - 驾驭大模型开发套件、实现鸿蒙端 AI 智能流式响应与提示词工程自动化方案 前言 在鸿蒙（OpenHarmony）生态向智能化、全场景自动化的演进过程中，“生成式 AI（Generative AI）”不再仅仅是一个噱头，而是重塑应用交互逻辑的核心底座。面对日益复杂的 LLM（大语言模型）调用链路、层出不穷的提示词（Prompt）版本管理以及对实时流式响应（Streaming）的严苛要求。如果仅仅依靠原始的 HTTP POST 请求。那么不仅会导致开发效率极低。更难以应对 AI 业务中常见的“幻觉审计”与“多模型动态切换”等高阶挑战方案。 我们需要一种“开发者友好、

AI的思考：从代码生成看人工智能的边界

当AI学会写代码，我们该如何重新定义“理解”？ 引言 过去一年，以ChatGPT、GitHub Copilot为代表的大语言模型（LLM）席卷全球，它们不仅能聊天、写诗，还能编写代码、调试程序。许多程序员惊呼：AI要取代我们了吗？然而，当我们冷静下来审视这些生成的代码时，一个更深层的问题浮现出来：AI真的理解它写出的代码吗？它的“思考”方式与人类有何不同？本文将通过几个简单的代码生成示例，探讨AI编程背后的原理、能力边界，以及对人类程序员的启示。 一、AI写代码：一次直观的体验 让我们从一个经典的编程任务开始：写一个Python函数，计算斐波那契数列的第n项。我们将使用Hugging Face的Transformers库加载一个专门为代码生成训练的小型模型（microsoft/CodeGPT-small-py），看看它会输出什么。 python from transformers import pipeline # 加载代码生成模型（首次运行会自动下载） generator = pipeline('text-generation'
1.5k stars！阿里开源 PageAgent：让 AI 直接“住进“你的网页，用自然语言操控一切！

1.5k stars！阿里开源 PageAgent：让 AI 直接“住进“你的网页，用自然语言操控一切！

阿里开源 PageAgent：让 AI 直接"住进"你的网页，用自然语言操控一切 不需要浏览器插件，不需要 Python，不需要截图——一行 JS，让你的网页秒变 AI 智能体。 一、先说痛点：Web 自动化为什么这么难？ 如果你用过 Selenium、Playwright，或者最近流行的 browser-use，你一定遇到过这些头疼的问题： * 环境太重：得装 Python、headless 浏览器、各种依赖，部署复杂，维护成本高； * 依赖截图 + OCR：很多方案靠多模态模型"看图操作"，慢、贵、还不准； * 权限门槛高：要控制浏览器，往往需要特殊权限甚至操作系统级别的访问； * 对现有产品改造成本大：