【Rust日报】 Neuroxide：用 Rust 重写 PyTorch 框架，针对实时机器人

优质文章学习记录

— 4 min read

Copper-rs：Rust 机器人框架，确定性地构建、运行和重现你的整个机器人

Copper 之于机器人，就像游戏引擎之于游戏——确定性地构建、运行和重现你的整个机器人。

提供专为机器人领域打造的、从模拟到生产的一体化、基于 Rust 原生语言的软件引擎解决方案。系统/框架是用 Rust 写的，模拟是用 Bevy （Rust 游戏引擎）和 Avian3d （Rust 物理引擎）做的。

仓库：https://github.com/copper-project/copper-rs

它有一个完整的教程 copper-drone（九个章节）：

  • 从零到飞行，本系列节目将逐步介绍如何在一款灵巧的 3.5 英寸自由式无人机上构建一个简单的机器人堆栈——包括硬件集成、计算机视觉、控制、通信和部署。
  • 目标有两个：一是使用 Copper 构建一个完整的参考项目，二是在此过程中开发可重用的 Copper 组件（例如 GStreamer、AprilTags）。

教程：https://github.com/copper-project/copper-drone

附注：Copper 其中一个维护者 Yang Zhou，纽约大学 PhD在 ICRA25（IEEE 国际机器人与自动化顶会）组织了第一届 Rust for Robotics 研讨会https://sites.google.com/view/r4rworkshop/home在 RustConf 2025 发布演讲，提炼了 ICRA25 研讨会的关键见解，全面概述 Rust 如何解决机器人开发中的关键痛点https://youtu.be/1zLLuWbnuN8

Neuroxide：用 Rust 重写 PyTorch 框架，针对实时机器人

该项目旨在用 Rust 重写 PyTorch 框架（保持 API 调用一致），以期打造一个速度更快、类型更强的 AI 框架。

Neuroxide 核心特性：

  • 类 PyTorch API：其设计目标是让熟悉 PyTorch 的开发者能够无缝切换到 Rust。它支持张量（Tensor）操作、自动求导（Autograd）以及常见的神经网络模块。
  • 极致速度：自称为“超快”（Ultra-fast）框架。针对机器人和实时系统进行了优化，专注于降低推理延迟和提高吞吐量。
  • 多后端支持：原生支持 CUDA（NVIDIA GPU）、Metal（Apple Silicon）以及 CPU。
  • 专注于机器人领域：由机器人公司开发，特别考虑了在嵌入式设备和需要高实时性场景下的内存管理与计算效率。
  • 现代 Rust 设计：利用 Rust 的所有权模型和类型系统，确保线程安全且无内存泄漏。

Reddit 社区讨论：

  • 与 Burn 等现有框架的对比：
    • 用户普遍好奇它与 Rust 生态中已有的 Burn 或 dfdx 有何不同。
    • 开发者回应称，Neuroxide 的侧重点在于实时机器人应用，在某些特定算子和内存调度上做了更激进的优化，以满足微秒级的响应需求。
  • 生态系统成熟度：
    • 社区成员指出，虽然 API 像 PyTorch，但 Rust AI 生态目前面临的最大挑战是 预训练模型的生态 （如 HuggingFace 支持）和 算子覆盖率 。
    • Neuroxide 正在努力支持更多的标准层和常见的模型架构（如 Transformer）。
  • 高性能的来源：
    • 讨论涉及了其底层的内核实现。Neuroxide 避免了过度抽象，更倾向于直接调用高度优化的计算库，并减少了中间层的数据拷贝。
  • 开发者动机：
    • Dragonfly Robotics 表示，他们之所以自研而非直接使用 PyTorch 或现有 Rust 库，是因为在复杂的机器人控制循环中，需要对计算图的执行拥有更细粒度的控制权。

综合评价：Neuroxide 代表了 Rust 在 AI 领域向“生产力”与“高性能”结合迈出的又一步。

  • 优点：上手快（对 Python 开发者友好）、针对底层硬件优化深、非常适合机器人和嵌入式场景。
  • 挑战：作为新项目，其社区插件和预训练模型支持尚不及 Burn，更无法与 PyTorch 的庞大生态相比。

总结 ：如果你正在寻找一个能够用于 高性能机器人开发 、且希望拥有 类 PyTorch 开发体验 的 Rust 深度学习框架，Neuroxide 是一个非常值得关注的潜在选择。

仓库：https://github.com/DragonflyRobotics/Neuroxide

讨论：https://www.reddit.com/r/rust/comments/1qah0qk/neuroxide_ultrafast_pytorchlike_ai_framework/

--

From 日报小组 苦瓜小仔

社区学习交流平台订阅：

  • Rustcc论坛: 支持rss
  • 微信公众号：Rust语言中文社区

Read more

为什么通义千问2.5-7B-Instruct部署总失败？vLLM适配教程是关键

为什么通义千问2.5-7B-Instruct部署总失败？vLLM适配教程是关键 你是不是也遇到过这种情况：兴冲冲地下载了通义千问2.5-7B-Instruct这个号称“7B量级全能王”的模型，结果在部署时却频频碰壁？命令行报错、服务起不来、内存溢出……各种问题让你怀疑人生。 别急，这很可能不是你操作的问题，而是缺少了关键的一环——vLLM适配。 今天，我就来手把手带你解决这个难题，用最简单的方式，把通义千问2.5-7B-Instruct成功跑起来，并配上Open WebUI这个漂亮的聊天界面。整个过程就像搭积木一样清晰，哪怕你是第一次接触大模型部署，也能轻松搞定。 1. 部署失败？问题可能出在这里 在开始动手之前，我们先搞清楚为什么部署会失败。通义千问2.5-7B-Instruct虽然强大，但它对部署环境有一些特定的要求，直接套用其他模型的部署方法很容易“翻车”。 1.1 常见的部署“坑点” * 框架不兼容：很多教程用的还是老旧的transformers库直接加载，对于Qwen2.5这种新架构，可能无法正确识别其Tokenizer或模型结构，导致加载失败。 * 内存
《Virt A Mate(VAM)》免安装豪华版v1.22中文汉化整合

《Virt A Mate(VAM)》免安装豪华版v1.22中文汉化整合

Virt-A-Mate》由Meshed VR 所开发的虚拟实境游戏，你也可以通过Oculus Rift 或HTC Vive 头戴式装置来进行互动式游玩，一旦你进入《Virt A Mate》的世界，你几乎会忘乎所以，进入一个全新的世界，这个世界遵循基本的物理定力，也就是说游戏中的头发、衣服都很真实，随着你的动作而产生运动，而玩家也能亲自编辑角色的服装。 VAM整合包 解压后30GB 解压密码在里面 请看清楚 包含vam软件本体，mmd跳舞插件，国漫人物。都在整合包里面！ vam是软件不是游戏 但完成跳舞是比较简单的 回复关键词：vam

零成本搭建飞书机器人：手把手教你用Webhook实现高效消息推送

1. 为什么你需要一个飞书机器人？ 在日常工作中，我们经常需要处理各种通知需求。比如系统报警、任务提醒、审批结果通知等等。传统的解决方案包括短信、邮件或者第三方推送平台，但这些方式要么成本高，要么实时性差。飞书机器人提供了一种零成本、高效率的替代方案。 我去年负责的一个ERP系统升级项目就遇到了这个问题。当时我们需要在关键业务流程节点给不同部门的同事发送实时通知。如果使用短信，按照每天200条计算，一个月就要花费上千元。后来我们改用飞书机器人，不仅完全免费，还能实现更丰富的消息格式和精准的@提醒功能。 飞书机器人本质上是一个自动化程序，它通过Webhook技术接收外部系统的消息，并转发到指定的飞书群聊中。这种机制特别适合企业内部系统与飞书之间的集成，比如： * 运维报警通知 * 审批流程提醒 * 业务系统状态更新 * 日报/周报自动推送 * 数据监控预警 2. 5分钟快速创建你的第一个机器人 创建飞书机器人非常简单，不需要任何开发经验。下面我以电脑端操作为例，手把手带你完成整个过程。 首先打开飞书客户端，进入你想要添加机器人的群聊。点击右上角的"..."菜单，

FPGA面试题汇总整理（一）

https://pan.baidu.com/s/1rDsLAXGj8WbX82teSkhuIw?pwd=1234 这份FPGA 系统学习详细资料包是个人花大量时间精心整理的，超多干货全覆盖，从基础到实战一站式搞定，不用再到处薅资料！网盘链接随时可能失效，提取码 1234，先保存再学习，别等失效拍大腿！🔗链接：https://pan.baidu.com/s/1rDsLAXGj8WbX82teSkhuIw?pwd=1234 ———————————————— 前言：社招FPGA面试核心考察「基础功底+项目经验+问题解决能力」，以下100个问题覆盖面试90%高频考点，按「基础概念→编程语法→时序分析→架构设计→调试优化→项目实操→行业拓展」分类，每个问题附详细解答（适配自媒体干货属性，可直接复制使用，重点内容加粗标注），帮你高效备战，避免踩坑。 一、