
PythonWeChatAI算法
智能车竞赛惯导与视觉避障实战经验分享
智能车竞赛中网络延迟与视觉定位是常见痛点。本文分享了基于路由器的网络优化方案,上位机可视化辅助驾驶技巧,以及利用深度相机提升扫码效率的方法。针对终点返回难题,提出了基于地图固定元素校准和 YOLO 识别校正的两种惯导融合思路,并给出了逆透视变换的具体数学推导。此外,还包含 STM32 舵机对称性调整、串口频率优化及数据集自动化处理脚本,旨在为参赛团队提供从底…
发布于 2026/3/2351 浏览0 点赞
博客作者
这位作者暂未填写个人简介。
2
已发布文章
0
博客获赞
72
博客浏览
第 1 页

智能车竞赛中网络延迟与视觉定位是常见痛点。本文分享了基于路由器的网络优化方案,上位机可视化辅助驾驶技巧,以及利用深度相机提升扫码效率的方法。针对终点返回难题,提出了基于地图固定元素校准和 YOLO 识别校正的两种惯导融合思路,并给出了逆透视变换的具体数学推导。此外,还包含 STM32 舵机对称性调整、串口频率优化及数据集自动化处理脚本,旨在为参赛团队提供从底…

Karpathy 认为 RLHF 只是借用了强化学习外壳的人类偏好优化,并不等同于 AlphaGo 那种围绕明确奖励展开的真正 RL;LeCun 也表达了类似看法。文章梳理了 RLHF 从人类反馈训练奖励模型的演进过程,解释了它在大模型对齐中的实际价值,以及为什么它容易出现奖励模型被'钻空子'的问题。结论是:RLHF 很有用,但更准确地说,它是对齐方法,而不…