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

致创作的第365天：从Flowable起步，在软考与AIGC中寻找技术人的星辰大海

致创作的第365天：从Flowable起步，在软考与AIGC中寻找技术人的星辰大海

大家好，我是 BOB-wangbaohai。 今天清晨登录后台，收到了一张特别的官方通知卡片。它静静地提醒我：今天，是我成为创作者的第 365 天。 看着屏幕上的“1周年”字样，思绪瞬间被拉回到了去年的今天——2025年4月8日。在那看似平凡的一天里，我敲下了自己博客生涯的第一行文字：《Flowable7.x学习笔记（一）基础环境准备》。 当时的我，只是单纯想把项目中用到工作流引擎的踩坑经验沉淀下来。未曾想，那篇为了“备忘”而写的文章，最终生长成了包含 23篇文章 的专栏，也彻底推开了我技术写作的大门。 回望这 365 天：6个专栏，75个脚印 今天点开后台的“专栏管理”，看着这一行行数据，这 365 天的技术轨迹变得无比清晰。作为一名在日常工作中需要统筹全局的系统架构师，这75篇文章，不仅是技术分享，更是我对自己职业生涯的一次次复盘与死磕。 1. 夯实底座：死磕理论与架构的日与夜 大家如果关注我的专栏，

VSCode 中精准禁用 Copilot 代码补全：按语言与场景灵活配置

1. 为什么需要精准控制 Copilot 代码补全 作为一个用了 VSCode 和 Copilot 好几年的开发者，我深刻体会到 AI 代码补全的双刃剑效应。刚开始用 Copilot 的时候，那种"它怎么知道我要写什么"的惊喜感真的很棒，但后来我发现，在某些场景下，这种自动补全反而会成为负担。 比如我在刷算法题的时候，刚写了个函数名，Copilot 就直接把整个实现都给我补全了。这还训练什么？完全达不到练习的目的。还有时候在写一些特定语言的代码，Copilot 的补全风格和团队规范不一致，每次都要手动调整，反而增加了工作量。 更让我头疼的是在不同项目间切换的时候。有些项目我希望充分利用 Copilot 提高效率，有些项目则需要完全自己动手写代码。如果每次都去全局开关 Copilot，那也太麻烦了。 其实 Copilot 的设计团队早就想到了这些场景，他们在 VSCode 中提供了非常精细的控制方式。不只是简单的开和关，你可以按编程语言禁用，

Copilot 的agent、ask、edit、plan模式有什么区别

Copilot 的 ask、edit、agent、plan 四种模式，核心区别在于权限范围、操作主动性、代码修改权限、适用场景，以下从定义、工作机制、核心特点、典型场景与操作流程展开，帮你快速区分并选对模式。 一、核心区别速览（表格版） 二、分模式详细解析 1. Ask 模式：纯问答与代码理解 * 工作机制：基于当前文件 / 选中代码的上下文，回答自然语言问题，不修改任何代码，仅输出文字解释、建议或思路。 * 典型用法： * 解释某段代码逻辑（如 “这段 Python 函数做了什么”）； * 咨询技术方案（如 “如何在 Go 中实现重试机制”）； * 调试思路（如 “这个死循环可能的原因”）。 * 关键特点：安全无风险，适合学习、快速澄清和非修改类咨询。

ChatGLM-6B智能写作助手开发指南

ChatGLM-6B智能写作助手开发指南 1. 引言 你有没有过这样的经历？面对空白的文档，脑子里有无数想法，但就是不知道从何下笔。写工作报告时，总觉得语言干巴巴的，缺乏感染力；写营销文案时，绞尽脑汁也想不出吸引人的标题；写技术文档时，又担心表达不够专业准确。 如果你也有这些困扰，那么今天要聊的这个话题可能会让你眼前一亮。基于ChatGLM-6B开发一个智能写作助手，听起来可能有点技术含量，但实际上并没有想象中那么复杂。这个助手不仅能帮你生成各种文体的内容，还能检查语法错误、优化表达风格，甚至根据你的需求调整语气和长度。 我最近就在自己的项目中尝试了这套方案，用下来感觉确实能节省不少时间。特别是那些重复性的写作任务，比如写产品介绍、整理会议纪要、生成邮件模板等等，现在基本上交给助手就能搞定，我只需要做最后的润色和调整。 接下来，我就详细分享一下如何从零开始搭建这样一个智能写作助手，包括环境部署、功能开发、实际应用等各个环节。无论你是开发者想要集成写作功能，还是内容创作者想要提升效率，相信都能从中找到有用的信息。 2. ChatGLM-6B模型简介 在开始动手之前，我们