C++AI算法
双足机器人 2-RSS-1U 并联踝关节运动学分析与实现
综述由AI生成人形机器人双足踝关节的串联与并联构型差异，阐述了选择 2-RSS-1U 并联方案的理由。详细推导了运动学模型，包括逆运动学解析解、雅可比矩阵构建及正运动学的牛顿迭代法求解。最后提供了基于 Eigen 库的 C++ 逆运动学实现代码示例，用于电机角度计算。
分类：编程语言 · C++
C++AI算法
llama.cpp CUDA 编译问题与优化指南
梳理 llama.cpp 项目使用 CUDA 后端时的常见问题与解决方案。涵盖环境检查（nvcc、nvidia-smi）、环境变量配置、GPU 计算能力指定及高级编译选项调优。提供 Linux 与 Windows 跨平台编译配置示例，并通过命令行验证 GPU 加速是否生效，辅助开发者排除编译错误。
C++AI算法
深入 llama.cpp：llama-server 从命令行到 HTTP Server
介绍 llama-server 的使用与架构。涵盖参数配置（端口、并发、推测解码、Embedding、Reranking）及 OpenAI 标准接口调用（Chat Completions, Responses, Embeddings）。解析基于 cpp-httplib 的服务端运行机制，包括 server_http_context 与 server_context 的交互及流式传输原理。
C++AI
VRM4U 插件在 Unreal Engine 5 中的使用指南
VRM4U 是一款针对 Unreal Engine 5 的 VRM 模型导入插件。主要解决材质转换、骨骼映射兼容性及动画数据保留问题。内置 MToon 材质引擎，支持 BlendShape 表情系统及物理模拟。适用于虚拟主播、游戏角色及影视预可视化场景。提供移动端性能优化、批量处理及自定义导入配置。常见问题涉及材质显示与动画完整性，可通过调整渲染设置验证解决。
C++AI算法
B 站直播弹幕机器人：7 大核心功能与快速上手指南
B 站直播弹幕机器人的核心功能与使用方法。工具涵盖弹幕过滤、自动答谢、自定义回复、多平台点歌、数据监控及远程控制等模块。支持游戏、音乐、聊天等多种直播场景的配置优化。通过模块化设计和可视化界面，主播可实现自动化场控，提升互动效率。进阶部分包含数据备份、自定义事件开发与性能优化建议，适合不同技术水平的用户使用。
C++AI算法
ROG-Map: 基于机器人中心的大场景高分辨率 LiDAR 运动规划网格地图
综述由AI生成ROG-Map 是一种面向大场景高分辨率 LiDAR 运动规划的机器人中心占用栅格地图。它通过零拷贝地图滑动策略维护局部地图，降低内存成本。提出增量障碍膨胀方法，将计算复杂度降至 O(N)，显著优于现有方法。结合贝叶斯概率更新与对数几率机制，有效处理传感器噪声与动态环境。该方案已集成于基于激光雷达的四旋翼系统中，并在真实世界测试中验证了其实时性与鲁棒性。
C++AI算法
Llama.cpp 部署教程：老旧电脑运行大模型方案
综述由AI生成介绍如何在低配置设备上使用 llama.cpp 部署大模型。内容包括硬件要求、模型选型（TinyLLaMA/Phi-2）、免编译一键部署及源码编译优化两种方案。详细讲解了参数配置（线程、上下文、内存锁定）以提升性能，并提供了常见问题排查指南，帮助用户在老旧电脑上实现本地大模型对话。
C++AI算法
Whisper.cpp 语音识别实战指南
介绍 Whisper.cpp 的部署环境、模型选择及实战应用。涵盖系统要求检查、代码获取与编译配置，解析 Tiny 至 Large 不同模型规格及其量化优势。提供实时转录、批量处理及多语言支持命令示例，包含参数调优、内存控制与输出格式定制技巧。最后总结故障排除方法与性能监控策略，帮助开发者在本地高效实现语音转文字功能。
C++算法
ZYNQ PS-PL 架构解析：ARM 与 FPGA 融合设计及实战
综述由AI生成全面解析了 ZYNQ SoC 的 PS-PL 架构，涵盖 PS 端 ARM 处理器特性、PL 端 FPGA 资源（LUT、BRAM、DSP）、AXI 互连技术及通信协议。内容包含 DDR 访问、共享内存、中断驱动交互等实战案例，以及视频处理、实时控制等应用场景。同时介绍了 ZYNQ 启动流程、时钟系统及最佳实践，旨在帮助开发者掌握软硬协同设计方法。
C++AI算法
MAVROS 安装与基础知识梳理及 ROS C++ 仿真案例
综述由AI生成MAVROS 是连接 ROS 与飞控的关键中间件。 MAVROS 的安装流程及 GeographicLib 依赖配置，详细阐述了 global、local、body 坐标系的转换关系，列举了常用的话题与服务接口。最后通过 ROS C++ 代码示例，演示了如何设置板外模式、解锁无人机、控制起飞高度以及获取位姿数据，为无人机开发提供基础参考。
C++AI算法
FPGA 加速图像处理：核心算法全解析
综述由AI生成详细阐述了 FPGA 在图像处理领域的优势，包括并行处理、低延迟和高能效。内容涵盖了底层预处理（色彩转换、几何变换）、图像增强（线性/非线性滤波）、特征提取（边缘、角点检测）、分割识别、压缩编解码及立体视觉等核心算法。同时分析了 FPGA 实现的关键技术如流水线设计、并行计算和数据流架构，并列举了工业、医疗、汽车等应用场景。总结指出 FPGA 适用于流程固定、计算密集且对延迟敏感的任务，是优于通用 CPU/GPU 的解决方案。
C++AI算法
SLAM Toolbox 机器人定位与建图实践指南
综述由AI生成SLAM Toolbox 是基于 ROS 的开源框架，用于机器人定位与建图。支持终身建图和多机器人协同。文章介绍了安装步骤（克隆仓库、编译）、三种启动模式（定位、异步建图、同步建图）、核心参数调优（分辨率、更新间隔等）、多机器人架构实施、性能优势及常见故障排查（建图质量、定位漂移）。适用于仓储物流及服务机器人场景。
C++AI算法
机器人架构搭建核心准则：先论文论证后工程落地
综述由AI生成探讨了机器人架构设计的核心准则，强调在进行工程落地前应先完成系统性论文论证。文章指出当前行业存在跳过规划盲目开发的误区，导致项目烂尾。提出'工程论文'概念，将其定义为系统顶层设计与可行性验证的蓝图，旨在用确定性逻辑对抗物理世界的不确定性，保障项目流程闭环与资源高效利用。
C++AI算法
llama.cpp Docker 部署：容器化推理服务搭建
详细介绍如何使用 Docker 部署 llama.cpp 推理服务，涵盖 CPU 和 GPU 加速环境配置、Docker Compose 生产级部署方案、多模型支持及性能优化参数设置。内容包含基础命令示例、API 调用方式（含 OpenAI 兼容接口）、Prometheus 监控配置及安全最佳实践，旨在帮助开发者快速搭建稳定可移植的本地 AI 推理服务环境。
C++AI算法
PX4 开源飞控系统简介：架构、功能与开发入门
PX4 是一套适用于多种无人机与机器人的开源飞控系统，包含飞控固件、地面站、通信协议及仿真平台。其核心采用 C++ 开发，支持自动飞行、路径规划及多传感器驱动。相比 ArduPilot，PX4 架构更模块化，学术友好度高。适合嵌入式开发者、学生及需要二次开发的厂商学习使用。
C++AI算法
ESP32 小智 AI 机器人开发指南：本地唤醒与云端部署
综述由AI生成档详细介绍了基于 ESP32-S3 开发小智 AI 语音机器人的全流程。内容包括硬件选型（ESP32-S3、I2S 麦克风、显示屏等）、软件环境搭建（ESP-IDF、VSCode、SenseVoice、DeepSeek/Qwen 模型）、核心代码实现（ESP-SR 唤醒、I2S 音频采集、WebSocket 流式传输、云端 LLM 交互）以及云端部署方案。文章重点讲解了如何利用 ESP32 的本地语音唤醒能力结合云端大模型实现实时流式对…
C++AI算法
llama.cpp 与 llama-server 安装部署指南
在 Ubuntu 22.04 系统上编译安装 llama.cpp 及 llama-server 的完整流程。包括系统依赖安装、源码克隆构建、GGUF 模型准备以及服务启动与接口测试。通过 curl 命令验证健康状态及对话接口，确保本地大语言模型服务正常运行。
C++AI算法
ROS2 无人机全栈技术解析：从飞控集成到场景落地
ROS2 在无人机中的应用，对比 ROS2 与飞控（PX4/ArduPilot）的分工协作关系。涵盖核心定位、通信协议（MAVLink/DDS）、模块化架构、工具链及跨平台兼容能力。提供硬件选型建议（计算板、传感器、通信模块）及最小配置要求。包含集成实战步骤（硬件搭建、软件配置、功能测试）及典型场景（室内无 GPS 作业、工业巡检）的深度解析，帮助开发者实现无人机从手动控制到自主智能的升级。
C++AI算法
基于ROS与Ego-Planner的无人机动态避障仿真实现
综述由AI生成在ROS环境下使用Ego-Planner算法实现无人机动态避障的仿真方法。重点解析了Ego-Planner基于梯度的局部优化核心思想，相比全局规划器具有更高的计算速度和动态适应性。内容涵盖ROS与Gazebo仿真环境搭建、动态障碍物世界文件配置以及Ego-Planner集成步骤。通过具体代码示例和参数调优建议，帮助开发者解决无人机在复杂非结构化场景下的避障难题，提升飞行安全性与稳定性。
C++AI算法
宇树机器人 G1 二次开发：FAST-LIO 建图配置与 RViz 可视化
介绍在 Ubuntu 20.04 环境下使用 ROS1 进行宇树 G1 机器人 FAST-LIO 建图的完整流程。内容涵盖系统依赖安装、工作空间搭建、Open3D 库配置、Livox 雷达驱动部署及参数设置。通过配置激光雷达 IP 和 ROS 环境变量，最终在 RViz 中实现点云地图的可视化运行。适用于机器人二次开发与 SLAM 导航场景。