
具身导航 VLN 最新论文汇总 | Vision-and-Language Navigation
2023 至 2026 年具身导航(Embodied Navigation)及视觉语言导航(VLN)领域的最新研究论文,涵盖 CVPR、ICRA、RSS 等顶会成果。内容涉及分层规划、世界模型、大语言模型集成、零样本导航、多模态基准测试等关键技术方向。文章提供中英文论文标题及开源代码链接,旨在为研究人员和开发者提供技术参考与学习资源。
博客作者
气场全开
357
已发布文章
10K
博客获赞
967K
博客浏览
第 6 页

2023 至 2026 年具身导航(Embodied Navigation)及视觉语言导航(VLN)领域的最新研究论文,涵盖 CVPR、ICRA、RSS 等顶会成果。内容涉及分层规划、世界模型、大语言模型集成、零样本导航、多模态基准测试等关键技术方向。文章提供中英文论文标题及开源代码链接,旨在为研究人员和开发者提供技术参考与学习资源。

介绍如何利用闲置的Mac Mini设备,通过Docker和脚本一键部署OpenClaw(moltbot)系统,构建本地化的金融AI助手。内容涵盖环境准备、核心系统安装、AI模型配置、金融技能包集成及通信平台对接。通过私有化部署实现数据隐私保护与低成本运行,支持股票行情查询、技术分析、市场监控等功能,并提供安全维护指南与进阶定制建议。
发那科机器人与西门子 PLC 通讯的两种方案:网关跨协议版和 Modbus TCP 低成本版。内容涵盖硬件准备、机器人侧 IP 及协议配置、网关参数设置、TIA Portal 硬件组态及数据映射。提供了 S7-1200/1500 的测试代码示例,并总结了参数一致性、重启生效、地址映射等常见故障排查要点。
CVE-2026-21962 是 Oracle WebLogic Server 代理插件中的严重远程命令执行漏洞,CVSS 评分 10.0。攻击者可利用 URL 解析逻辑缺陷绕过认证并执行系统命令。修复方案包括安装官方补丁及配置 WAF 规则拦截异常请求。企业需加强中间件安全管理,定期更新组件版本以防范此类高危风险。
DeerFlow 2.0 是基于 LangGraph 和 LangChain 重构的开源智能体编排框架。它具备子代理并行处理、Docker 沙盒隔离、长期记忆及可扩展工具集等核心特性。支持自动化投研、代码辅助、文档生成等复杂任务。部署采用 Makefile 脚本与 Docker 模式,提供便捷的命令行交互接口。

VR 音游开发中音符轨道系统的实现方案。涵盖 Unity 环境下的音符生命周期管理、手部触摸交互逻辑、基于音频振幅的动态波形绘制以及可视化谱面编辑工具的开发。通过解耦模块设计与数据驱动架构,实现了多轨并行渲染与实时调试功能,解决了轨迹平滑度与性能优化问题,为 VR 音乐游戏提供了可扩展的基础框架。
如何通过 MiGPT 将小爱音箱 Pro 接入豆包 AI。步骤包括申请火山引擎 API 密钥、安装 Docker 及配置 WSL2、部署 MiGPT 服务,以及设置触发关键词。最终实现通过语音指令调用豆包模型进行问答、创作等高级功能。

梳理了无人机发展的早期历史,包括中国古代鲁班造木鸟的传说、明代万户利用火箭与风筝进行的飞行尝试,以及达芬奇绘制的飞行器草图,展现了人类对飞行的早期探索历程。

一个基于 STM32F103C8T6 微控制器的智能家居环境监测系统。系统集成了 DHT11 温湿度、MQ-2 烟雾、MQ-7 一氧化碳、MQ-135 空气质量及光照传感器,并通过 ESP8266 模块接入机智云云平台。硬件包含 0.96 OLED 显示屏、步进电机(模拟窗户)、风扇及声光报警器。软件支持手动与自动双模式,可根据预设阈值自动触发报警或通风,也…

如何使用 Docker 部署 Open WebUI 并集成远程 Ollama 服务。步骤包括拉取镜像、配置 Ollama 网络权限、测试 API 连通性以及运行容器。通过设置环境变量指定 Ollama 地址,用户可在本地 Web 界面调用远程模型进行对话。
介绍利用 Llama-Factory 框架为出版行业构建智能图书推荐系统的方案。针对通用大模型缺乏领域知识、微调成本高的问题,文章详细阐述了使用 QLoRA 技术进行轻量级微调的原理与配置。通过准备指令数据集、选择基础模型(如 Qwen-7B)、设置量化参数及训练超参数,实现在消费级显卡上完成模型训练。最终部署的推荐系统在冷启动、长尾书目激活及库存周转率方面…

系统介绍了 AIGC(人工智能生成内容)的技术概念、应用场景及实践案例。内容涵盖 AIGC 定义、与大模型关系、对行业及职业的影响,并详细演示了文本、图片、语音、视频类 AIGC 工具的使用,如 DeepSeek、文心一言、讯飞智文、文心一格、豆包及通义万相等。此外,还探讨了 AIGC 在辅助编程、AI 搜索及智能办公领域的应用,旨在帮助读者全面理解 AIG…

剖析开源项目 TeleGrip 架构与源码。系统基于 LeRobot 框架,通过 VR 端位姿采集、WebSocket 通信、控制循环解算及机械臂执行流程,实现虚拟与物理空间实时映射。前端采用 A-Frame 获取手柄姿态,后端以 Python 实现命令队列、插值与逆运动学计算,同步驱动 PyBullet 仿真与 SO100 实体机械臂。该框架低延迟、高扩展…
DankDroneDownloader 工具,用于下载大疆及道通等品牌无人机的历史固件版本。该工具支持 Windows 桌面应用,兼容第三方刷写工具,解决了厂商限制旧版固件的问题。主要功能包括多设备管理、版本选择及时间同步排查。需安装 .NET Framework 环境。
基于 FPGA 实现 OV5640 摄像头采集并通过 HDMI 实时显示的完整系统架构。内容涵盖系统框架设计、OV5640 传感器基础与 SCCB 配置、DVP 接口时序与数据采集模块、SDRAM 乒乓缓存管理、VGA 时序生成及 TMDS 编码驱动,最后提供了顶层模块集成、引脚约束及时序约束的实战案例。重点讲解了图像数据流处理、跨时钟域同步及常见调试技巧,…

介绍如何在 OpenHarmony 的 Flutter 应用中使用 web_scraper 库进行网页数据采集。内容包括库的安装配置、CSS 选择器使用、典型场景示例(资讯聚合、汇率监控)以及针对鸿蒙系统的网络安全性与内存性能优化方案。旨在帮助开发者在无后端 API 情况下构建高效的信息采集底座。

介绍 LangChain 中工具调用与结构化输出的实战应用。工具调用部分涵盖三种创建方式(装饰器、Pydantic 参数、BaseTool 类),支持本地及第三方工具集成(如 Tavily)。结构化输出部分详解 Pydantic BaseModel、TypedDict、JSON Schema 及动态类型选择四种方法。结合实际场景,包括非结构化信息提取、用户意…
基于 GHCTF2025 WEB 赛道的文件上传题目,深入分析服务器端模板注入(SSTI)漏洞在严格 WAF 黑名单过滤下的绕过方法。文章首先通过代码审计定位 render_template_string 为攻击面,解析 WAF 对下划线、os、__builtins__ 等关键词的内容检测机制。随后演示了利用十六进制编码(\x)和字符串操作来隐藏敏感关键字的…

梳理了 2026 年大厂在人工智能领域的岗位技能要求。前端岗需掌握大模型上下文管理、流式渲染及向量数据库集成;后端岗侧重模型服务部署、网关开发及成本优化;算法岗聚焦模型微调、多模态开发及推理优化。文章提供了 React 流式对话组件、FastAPI 多模型网关及 LoRA 微调 Llama 2 的实战代码示例,旨在帮助开发者构建全流程 AI 解决方案能力。

对比了 Web 开发中前后端分离与传统不分离两种架构模式。分离架构通过 API 通信,实现前后端解耦,支持多端应用,但初期开发复杂且需处理跨域问题;不分离架构耦合度高,适合小型项目,维护简单但扩展性差。选择取决于项目规模与团队技术栈。