VSCode在WSL环境下无法使用Github Copilot（网络问题）

优质文章学习记录

— 1 min read

概要

本文记录了一个案例：VSCode 在 WSL 环境下无法使用 Github Copilot，但是原生 Windows 下使用没问题。

问题表现

使用 VsCode 连接到 WSL 后，Copilot 无法进行自动或手动补全，在聊天窗口输入信息后始终显示“正在准备 Copilot”。

使用 Ctrl+` 打开面板，点击“输出”面板，右上角选择"Github Copilot Chat"，可以看到错误日志如下：

2025-09-03 15:54:27.648 [info] [GitExtensionServiceImpl] Initializing Git extension service. 2025-09-03 15:54:27.648 [info] Can't use the Electron fetcher in this environment. 2025-09-03 15:54:27.648 [info] Using the Node fetch fetcher. 2025-09-03 15:54:27.648 [info] [GitExtensionServiceImpl] Successfully activated the vscode.git extension. 2025-09-03 15:54:27.648 [info] [GitExtensionServiceImpl] Enablement state of the vscode.git extension: true. 2025-09-03 15:54:27.648 [info] [GitExtensionServiceImpl] Successfully registered Git commit message provider. 2025-09-03 15:54:28.580 [info] Logged in as focksor 2025-09-03 15:54:31.233 [info] Got Copilot token for focksor 2025-09-03 15:54:31.245 [info] activationBlocker from 'languageModelAccess' took for 3289ms 2025-09-03 15:54:31.396 [error] TypeError: fetch failed at node:internal/deps/undici/undici:13510:13 at processTicksAndRejections (node:internal/process/task_queues:105:5) at Lk._fetch (/home/focksor/.vscode-server/extensions/github.copilot-chat-0.30.3/dist/extension.js:1170:29745) at Ov._fetchModels (/home/focksor/.vscode-server/extensions/github.copilot-chat-0.30.3/dist/extension.js:2539:5015) Error: read ECONNRESET at TLSWr

Read more

宇树机器人g1二次开发：建图，定位，导航手把手教程（四）导航仿真部分：建完图之后打开仿真导航

先补一下第三教程的四看路线这一块：终端2那里，可以先修改下面图片所示的文件为true,这样打开终端2的时候就可以打开设定好的rviz，就不用单独打开rviz。但是开始播放bag包之后还是要单独添加话题。 建成pcd之后可以查看pcd图：filename.pcd换成自己pcd的名字 pcl_viewer filename.pcd 额外说一句，有几种类型的图大家不要弄错了： 一、下载项目 # 克隆导航栈源码 cd ~/ws_loc/src git clone https://github.com/deepglint/ros_navigation_humanoid.git # 重命名并整理目录结构 mv ros_navigation_humanoid-master ros_navigation_humanoid 1.2、安装系统依赖 # 安装ROS导航相关包 sudo apt-get install libpcl-dev ros-noetic-navigation ros-noetic-tf
扩散模型详解：从DDPM到Stable Diffusion再到DiT的技术演进

扩散模型详解：从DDPM到Stable Diffusion再到DiT的技术演进

1.摘要 扩散模型（Diffusion Models）作为当前最热门的生成模型之一，已彻底改变图像生成领域，本文从DDPM开始，逐步深入到Stable Diffusion和DiT架构。 扩散模型就像是一个"破坏-修复"的过程，想象一下你有一张美丽的图片，然后一点点地给它加上噪声，直到完全看不清原来的图片，然后让AI学会如何一步步把噪声去掉，重新还原出原始图片。这就是扩散模型的基本思路。 2. DDPM：扩散模型的奠基之作（2020年） 2.1 什么是DDPM？ DDPM（Denoising Diffusion Probabilistic Models）是扩散模型的开山鼻祖，由OpenAI团队在2020年提出，它的工作原理： 前向过程（加噪声）：从一张清晰的图片开始，逐步添加噪声，最终变成完全随机的噪声图。 反向过程（去噪声）：训练AI学会如何一步步去除噪声，从随机噪声中重建出原始图片。 2.2 DDPM的模型结构详解 DDPM的核心是一个U-Net网络结构，U-Net详细架构如下图：
【论文阅读】Vision-skeleton dual-modality framework for generalizable assessment of Parkinson’s disease ga

【论文阅读】Vision-skeleton dual-modality framework for generalizable assessment of Parkinson’s disease ga

论文题目：《Vision-skeleton dual-modality framework for generalizable assessment of Parkinson’s disease gait》 论文链接：https://doi.org/10.1016/j.media.2025.103727  代码链接：https://github.com/FJNU-LWP/PD-gait-VSDF 视觉-骨架双模态框架：通过视频实现帕金森病步态的泛化评估 研究背景介绍 帕金森病评估与帕金森病评分量表（MDS-UPDRS） 帕金森病步态评估 研究内容 总体方法流程 关键点视觉 Transformer (KVT) 图像块嵌入 (Patches embedding) 位置与连接嵌入 (Positions and connections embedding) 关键点自注意力 (Keypoints Self-Attention,
74个低空无人机AI算法详解，总体精度达90%，公安执法、消防应急、水利、林业、能源电力、城建、市政、城管、工程、农业、生态

74个低空无人机AI算法详解，总体精度达90%，公安执法、消防应急、水利、林业、能源电力、城建、市政、城管、工程、农业、生态

公安执法 一、人员智能识别与管控 聚焦人员相关的身份、行为、状态识别，核心服务于治安防控、人群管理、突发事件处置，是公安基层执法的核心应用方向： 1. 人员识别/计数：支持复杂场景（人群聚集、遮挡、移动）下的人员精准检测与数量统计，实时反馈人群密度，为大型活动安保、人群聚集风险管控提供数据支撑； 2. 人员异常聚焦识别：识别人员突然聚集、徘徊、逃窜、翻越护栏等异常行为，快速锁定可疑区域，触发执法预警； 3. 打架斗殴识别：精准检测肢体冲突、推搡、殴打等暴力行为，毫秒级触发预警并定位事发位置，助力执法人员快速处置，减少冲突升级； 4. 重点人员监控识别：对接公安重点人员数据库，通过人脸识别算法实现低空移动场景下的重点人员精准匹配与轨迹追踪，支持跨区域、动态化管控； 5. 人员属性识别：识别人员性别、年龄段、衣着特征、是否携带疑似管制器具 / 大件物品等属性信息，