openclaw web UI 无法访问 not found

## 问题解决总结
根本原因 :Gateway 的 resolveControlUiRootSync 函数在自动查找控制 UI 目录时,没有包含 node_modules/openclaw/dist/control-ui 作为候选路径。手动指定相对路径时,可能因为工作目录解析问题无法正确找到目录。

最终解决方案 :

1. 将控制 UI 文件从 node_modules/openclaw/dist/control-ui 复制到项目根目录

      E:\你实际的目录\control-ui

      (建立一个英文,且没有符号的目录,“-”和“_",会引起混淆)


2. 在配置文件中使用绝对路径指定 controlUi.root: "E:\\你实际的目录\\control-ui"

编辑 openclaw.json

"controlUi": { "enabled": true, "root": "E:\\你实际安装的目录\\control-ui", "allowInsecureAuth": true, "dangerouslyDisableDeviceAuth": true }

Read more

机器人仿真: 训练自己第一个平衡机器人Cartpole

机器人仿真: 训练自己第一个平衡机器人Cartpole

小编2026 Spring 开启一段关于Robotics的学习,本文记录了在 Windows 系统上训练自己第一个机器人的过程。 Cartpole 代码是如何工作的 用 Isaac Lab 做强化学习时,一个任务是怎么被「注册」的?配置里的奖励、终止、观测到底在哪生效?训练脚本又是怎么把环境和 PPO 串起来的?这篇博客顺着「从注册到训练」的一条线,把 Cartpole 项目里的代码是怎么 work 的讲清楚。 当我们输入指令: python scripts/rsl_rl/train.py --task Template-Cartpole-v0 --num_envs 4096 该指令会执行训练 Cartpole 任务(Template-Cartpole-v0),同时调用 4096 个并行环境 做 PPO

Stable Diffusion XL 1.0艺术化落地:灵感画廊镜像免配置部署教程

Stable Diffusion XL 1.0艺术化落地:灵感画廊镜像免配置部署教程 1. 开篇:走进灵感画廊的艺术世界 想象一下,你不需要学习复杂的参数设置,不需要面对冰冷的工业界面,只需要在一个充满艺术气息的空间里,用自然语言描述你的创意想法,就能生成高质量的艺术作品。这就是"灵感画廊"带给你的创作体验。 灵感画廊是基于Stable Diffusion XL 1.0打造的沉浸式艺术创作工具。它把技术复杂性隐藏在优雅的界面背后,让你专注于创意本身。就像走进一个真正的艺术沙龙,这里没有繁琐的操作步骤,只有与AI的自然对话和灵感碰撞。 无论你是专业设计师、艺术爱好者,还是完全不懂技术的创意人士,都能在几分钟内上手使用,开始你的艺术创作之旅。 2. 环境准备与一键部署 2.1 系统要求 在开始之前,请确保你的环境满足以下要求: * 操作系统:Ubuntu 18.04+ 或 CentOS 7+ * GPU:

TWIST2——全身VR遥操控制:采集人形全身数据后,可训练视觉base的自主策略(基于视觉观测预测全身关节位置)

TWIST2——全身VR遥操控制:采集人形全身数据后,可训练视觉base的自主策略(基于视觉观测预测全身关节位置)

前言 我司内部在让机器人做一些行走-操作任务时,不可避免的需要全身遥操机器人采集一些任务数据,而对于全身摇操控制,目前看起来效果比较好的,并不多 * 之前有个CLONE(之前本博客内也解读过),但他们尚未完全开源 * 于此,便关注到了本文要解读的TWIST2,其核心创新是:无动捕下的全身控制 PS,如果你也在做loco-mani相关的工作,欢迎私我你的一两句简介,邀你加入『七月:人形loco-mani(行走-操作)』交流群 第一部分 TWIST2:可扩展、可移植且全面的人形数据采集系统 1.1 引言与相关工作 1.1.1 引言 如TWIST2原论文所说,现有的人形机器人远程操作系统主要分为三大类: 全身控制,直接跟踪人体姿态,包括手臂、躯干和腿部在内的所有关节以统一方式进行控制(如 HumanPlus [12],TWIST [1] ———— TWIST的介绍详见此文《TWIST——基于动捕的全身遥操模仿学习:教师策略RL训练,学生策略结合RL和BC联合优化(可训练搬箱子)》 部分全身控制,