目录
2026年初，大家提到的最多的大概就是OpenClaw了。OpenClaw的出现真正带来了人们日常办公模式的改变，基于OpenClawl，可以轻松完成各种传统的模式化工作，让人们从大量重复、低效、耗时长的琐碎中解脱出来，让OpenClaw成为个人的全能助理，提高工作效率，本篇将介绍如何在本机快速部署OpenClaw服务，并接入飞书，然后通过客户端完成各种日常任务。
OpenClaw是2026年初火爆全球技术圈的开源AI助手项目。它之所以备受关注，是因为它重新定义了AI助手的角色——从一个只能被动回答问题的“聊天机器人”，进化成了能主动在电脑上帮你干活的“数字员工”。
电脑配置：Xavier-nx、ubuntu 18.04、ros melodic 激光雷达：Livox_Mid-360 结果展示：左边Mid360+Fast-lio感知建图，右边Ego-planner运动规划 1、读取雷达数据并显示 无人机避障——感知篇（采用Livox-Mid360激光雷达获取点云数据显示）-ZEEKLOG博客 看看雷达数据话题imu以及lidar两个话题 2、读取雷达数据并复现fast-lio 无人机避障——感知篇（采用Mid360复现Fast-lio）-ZEEKLOG博客 启动fast-lio，确保话题有输出 由于此处不需要建图，因此不打开rviz，launch文件如下修改： <launch> <!-- Launch file for Livox MID360 LiDAR --> <arg name="rviz&
Unitree Go2机器人ROS2开发实战：5步掌握避障与攀爬功能 【免费下载链接】go2_ros2_sdkUnofficial ROS2 SDK support for Unitree GO2 AIR/PRO/EDU 项目地址: https://gitcode.com/gh_mirrors/go/go2_ros2_sdk 想要充分发挥Unitree Go2四足机器人的潜力，却在实际开发中遇到了避障功能缺失和楼梯攀爬配置复杂的挑战？本文将为你提供一套完整的解决方案，帮助你在ROS2框架下快速实现机器人的高级运动控制功能。 开发环境快速搭建 首先你需要准备一个标准的ROS2开发环境，以下是推荐配置： # 创建工作空间并克隆项目 mkdir -p ros2_ws cd ros2_ws git clone --recurse-submodules https://gitcode.com/gh_mirrors/
ROS1机器人SLAM系列（四）：Gmapping算法详解与实战 本文将深入讲解Gmapping算法的原理，并通过实战演示如何使用Gmapping进行2D激光SLAM建图。 1. Gmapping算法简介 1.1 什么是Gmapping？ Gmapping是一种基于**粒子滤波（Rao-Blackwellized Particle Filter, RBPF）**的2D激光SLAM算法。它由Giorgio Grisetti等人于2007年提出，是ROS中最经典、应用最广泛的SLAM算法之一。 主要特点： * 基于粒子滤波的概率框架 * 适用于2D激光雷达 * 需要里程计信息 * 实现成熟，稳定可靠 * 适合中小规模室内环境 1.2 算法流程概述 Gmapping算法流程 里程计数据 运动预测 Motion Model 粒子集合更新 激光雷达数据 扫描匹配 Scan Matching 观测更新 Sensor Model 粒子权重计算 重采样 Resample 地图更新 2. 核心算法原理
摘要：本文探讨了“VR + 具身智能 + 人形机器人”作为通往现实世界的智能接口的前沿趋势。文章从技术融合、应用场景、商业潜力三个维度分析其价值，涵盖工业协作、教育培训、医疗康复、服务陪护等领域，并展望VR赋能下的人机共生未来，揭示具身智能如何推动机器人真正理解、感知并参与现实世界。 VR + 具身智能 + 人形机器人：通往现实世界的智能接口 文章目录 * VR + 具身智能 + 人形机器人：通往现实世界的智能接口 * 一、引言：三股力量的融合，正在重塑现实世界 * 二、具身智能：让AI拥有“身体”的智慧 * 1. 什么是具身智能（Embodied Intelligence） * 2. 为什么VR是具身智能的“孵化器” * 三、VR + 具身智能 + 人形机器人：协同结构与原理 * 1. 系统组成 * 2. 人类的“