Windows下安装运用高效轻量本地龙虾机器人ZeroClaw

Windows下安装运用高效轻量本地龙虾机器人ZeroClaw

常用操作系统Windows下,本地安装、配置和使用--龙虾机器人,用过了略显复杂的原装OpenClaw,也用过了易用性逐渐提升的国产替代CoPaw、AutoClaw、WorkBuddy,欲转向性价比更高的“品牌”,几经对比,目光锁定在了ZeroClaw。下面是Windows下,安装、配置和使用ZeroClaw的过程汇总和心得体会。盛传ZeroClaw,不但开源免费、可以本地部署,而且体积小、运行高效,跟我一起体验,看其到底有没有。

1 组合工效

图1 ZeroClaw应用组合工效展现图

2 必备基础

2.1 大模型LLM

通用经济起见,选用硅基流动Siliconflow大模型平台及其下的deepseek-ai/DeepSeek-V3.2,需要进入硅基流动网站注册登录并创建相应的API密钥,如图2所示。

图2 SiliconflowAPI密钥创建及其大模型选择组合截图

2.2 机器人Robot

通用经济起见,选用腾迅的QQ机器人。进入腾迅QQ开放平台,注册登录,新建QQ机器人并创建机器人AppID与机器人密钥,在“开发”下选择相应的常用“回调配置”,如图3所示。

图3 QQ机器人的开发管理与回调配置选择组合截图

3 ZeroClaw获取

从ZeroClaw官方网站,可以直接下载源码压缩包,也可以下载所需的发行版本。源码,需要GoLang工具编译才能使用。简化实用起见,这里直接选择下载zeroclaw-x86_64-pc-windows-msvc.zip,如图4所示,解压缩即可得到只有一个可直接启用的文件zeroclaw.exe。

图4 ZeroClaw发行版本选择下载截图

4 ZeroClaw配置

直接通过命令行窗口,完成版本验证和最简初始配置,如图5组合截图所示,需要指明大模型平台及其API密钥及其选择的具体大模型,再就是在配置文件设置机器人AppID与机器人密钥。

图5 ZeroClaw最简初始配置操控窗口组合截图

5 ZeroClaw应用

最简配置完成后,即可通过命令行操作展开ZeroClaw应用,如图6所示。要想在可视浏览器中交互应用,需要进一步启动并保持网关进行,ZeroClaw网关启动的命令操控过程如图7所示,ZeroClaw浏览器页面启动与应用入口操作如图8所示,ZeroClaw浏览器交互应用如解决9所示。

图6 ZeroClaw命令窗口基本简单运用操作组合截图

图7 ZeroClaw网关启动的命令操控过程截图

图8 ZeroClaw浏览器页面启动窗口截图

图9 ZeroClaw浏览器交互应用窗口截图

6 ZeroClaw展现

可以在ZeroClaw交互浏览窗口通过“仪表盘”页面监控系统的进行状况,如图10所示。

图10 ZeroClaw交互浏览的仪表盘监控窗口截图

可以在ZeroClaw交互浏览窗口通过“工具”页面选用内置常用的工具方法,如图11所示。

图1 ZeroClaw交互浏览的工具选用窗口截图

可以在ZeroClaw交互浏览窗口通过“集成”页面直接选用配置所需的大模型,如图12所示。

图12 ZeroClaw交互浏览的大模型选用配置窗口截图

7 本地大模型应用尝试

通过下载运行Ollama进而下载运行如deepseek-r1:8b,命令行窗口可以访问大模型deepseek的API接口--localhost:11434/api/chat,专用工具ApiPost也可以成功测试,但ZeroClow就是访问不到,报连接超时。ZeroClow的相应配置为:zeroclaw onboard --provider ollama --model deepseek-r1:8b,# 本地 Ollama无需 API Key。遗憾。

Read more

FPGA入门:CAN总线原理与Verilog代码详解

FPGA入门:CAN总线原理与Verilog代码详解

目录 一、CAN 总线核心原理 1. 物理层特性 2. 协议层核心概念 (1)位时序 (2)帧结构(标准数据帧) (3)关键机制 二、FPGA 实现 CAN 的核心模块 三、Verilog 代码实现(以 50MHz 时钟、1Mbps 波特率为例) 1. 全局参数定义 2. 位时序模块(CAN Bit Timing Generator) 3. CRC 计算模块(CAN CRC Generator) 4. 发送模块(CAN Transmitter) 5. 接收模块(CAN Receiver)

机器人全身控制浅谈:理解 WBC 的原理

机器人全身控制浅谈:理解 WBC 的原理

概念 WBC(Whole-Body Control,全身控制)是什么?机器人是由“各关节”组成的,其不是“各关节各玩各的”而是一个耦合的整体。在某个时刻可能要做很多事情,比如保持平衡(重心别出圈)、手/脚要动作到目标位置、躯干姿态不能乱、关节不能超限、脚下不能打滑。这些都是一系列任务的组合。 WBC的核心就是把这些任务(目标)和约束(物理/安全)写进一个小型优化问题,在每个控制周期(几百hz~1Khz)求解,得到**“当下这毫秒,各关节应该怎么动/用多大力”**。 一句话总结就是WBC就是用优化的方法求解出要给“关节多少力“”以便让机器的各个关节一起配合完成多个目标,且不违反物理与安全约束。 原理 动力学方程 要解释WBC的原理,那必须绕不开动力学方程,这里就先对动力学方程做个简单介绍。 M(q)v˙+h(q,v)

openclaw配置飞书(Feishu)机器人(2026.03.07)

openclaw配置飞书(Feishu)机器人(2026.03.07)

前提:你已经安装好openclaw,配置好了大模型。 可借鉴我另一篇博文:https://mp.ZEEKLOG.net/mp_blog/creation/editor/157513751 一、配置openclaw channel 打开终端,输入: openclaw config 开始安装,需要等一会,安装好需要你填飞书的App ID和App Secret,先放着,等执行下面的步骤 然 二、配置飞书机器人 , 获取App ID和App Secret 安装流程如下链接,太长了,不想编辑了,完成版本发布。 https://www.feishu.cn/content/article/7613711414611463386 1.配置事件长连接时,需要在openclaw上安装飞书SDK(如果步骤一没执行会长连接失败) 2.当然以上配还是有问题的,

Ψ0——人形全身VLA:先用800h人类自视角视频数据和30h的真实机器人交互数据预训练VLM,再后训练MM-DiT,最后用AMO做下肢RL跟踪

Ψ0——人形全身VLA:先用800h人类自视角视频数据和30h的真实机器人交互数据预训练VLM,再后训练MM-DiT,最后用AMO做下肢RL跟踪

前言 今26年3.11,一投资人微信上跟我说,“ 周老师好!最近在搞什么模型?今天USC大学发布的这个模型,请您评估看看?” 我当时回复她道,“这个我这个星期,抽时间解读一下,到时候再说一下我的看法哦” 对于本文要解读的Ψ0 1. 首先,作者在大规模第一视角人类视频(约800 小时的人类视频数据),和30 小时的真实世界机器人数据上对一个 VLM 主干进行自回归预训练,以获得具有良好泛化能力的视觉-动作表征 2. 随后,再在高质量的人形机器人数据上后训练一个基于流(flow-based)的动作专家,用于学习精确的机器人关节控制 个人认为,该工作在理念创新上 确实 挺不错的 1. 以规模不大的“人类第一视角数据和真实机器人交互数据”预训练vlm 再后训练、微调 避免一味 堆数据,毕竟 数据 很难是个头 2. 全身摇操系统 看起来 也组合的不错 更重要的是,虽然目前市面上loco-mani方向的工作已经不少了