本文为《 Hybrid Quantum-Classical Multi-Agent Pathfinding 》的阅读笔记，原文链接： [2501.14568] Hybrid Quantum-Classical Multi-Agent Pathfinding。 《Hybrid Quantum-Classical Multi-Agent Pathfinding》提出 QP 和 QCP 两种混合量子 - 经典多智能体路径规划算法。算法通过冲突图建模转化 QUBO 问题，100 智能体场景中，QP-ILP 版本路径成本较经典算法 LNS2 低 5%-15%，QP-QUBO 版本多数场景性能超越 LaCAM * 等主流算法，冲突图分解使 QUBO 可行解数量提升 30%，为大规模多智能体协同提供高效方案。 在城市无人机配送、仓库机器人协同、自动驾驶编队等场景中，多智能体路径规划（MAPF）是核心技术
5DT Data Glove Ultra”是5DT公司为现代动作捕捉和动画制作领域的专业人士专门设计的一款数据手套产品，可满足最为苛刻的工作要求。该产品具有佩戴舒适、简单易用、波形系数小、以及驱动程序完备等特点。超高的数据质量、较低的交叉关联、以及高数据频率使该产品成为制作逼真实时动画的理想工具。 5DT Data Glove 14 Ultra也可测量手指弯曲的程度与手指间的外部肌肉(每只手指上有2个传感器)。该系统通过USB数据线与计算机相连。通过“5DT Data Glove Ultra”串行接口模块可以使用串行端口（RS 232 – 视平台而定）选项。该系统具有8-bit曲度解析率、佩戴舒适、低漂移和开放式结构等特点。通过蓝牙技术（距离可达20米），仅需使用一块电池，“5DT Data Glove Ultra ”无线模块即可实现与计算机的高速连接长达8小时。产品配有左右手两种型号，统一尺寸，适应性超强（由可伸缩的莱卡布制成）。 1、Virtuix正式进军欧洲市场 推出Omni One Core
飞书机器人与Claude Code交互：从手机指令到AI处理的全自动流程 * 一、背景 * 二、实现方案概览 * 三、操作步骤 * 前置准备 * 第一步：创建并进入Claude Code容器 * 配置Claude Code使用本地模型 * 测试Claude Code是否正常工作 * 第二步：安装Python依赖 * 第三步：获取飞书应用的凭证 * 第四步：编写并运行中间件脚本 * 脚本解释 * 运行脚本 * 第五步：在飞书中与机器人对话 * 常见问题 * 总结 一、背景 在日常开发中，我们经常需要快速查询代码问题、生成文档或执行简单的编程任务。如果有一款AI助手能随时响应，就像在电脑终端前一样，那该多方便！本教程将演示如何搭建一个飞书机器人，当你在手机飞书App上发送消息时，该消息会传递给运行在电脑上的Claude Code（一个智能编码助手），Claude Code处理后将结果回复到你的飞书会话中。 通过这个方案，你可以： * 在手机上随时向AI提问编程问题。 * 让AI帮你调试
文章目录 * 😊前言 * AI绘画精讲：Stable Diffusion从入门到精通💕 * 内容简介 * 获取方式 * AIGC时代：游戏美术设计与AI绘画应用从入门到精通💕 * 内容简介 * 获取方式 * 😊总结 😊前言 随着人工智能技术的飞速发展，AI绘画已经成为了一个备受瞩目的领域。在这个背景下，北京大学出版社推出了一系列关于AI绘画的优秀图书，其中就包括了《AI绘画精讲：Stable Diffusion从入门到精通》和《AIGC时代：游戏美术设计与AI绘画应用从入门到精通》。这两本书都是为了帮助读者全面了解和掌握AI绘画的精髓，推动人工智能技术在艺术领域的应用发展。 AI绘画精讲：Stable Diffusion从入门到精通💕 内容简介 Stable Diffusion是一款非常受欢迎的 AI 绘画与设计软件。AI绘画和传统绘画有什么不同、AI 绘画的基本逻辑是什么、如何让 AI 绘画软件为我们工作、如何生成符合要求的作品，本书将一一进行解析。 本书共 13 章内容。首先循序渐进地介绍了 A
低代码集成：将PDF-Extract-Kit-1.0接入Power Platform的完整教程 你是不是也遇到过这样的情况：公司里每天都有大量PDF格式的合同、发票、报告需要处理，手动复制粘贴不仅费时费力，还容易出错？而开发一个完整的自动化系统又太复杂，API调用、身份验证、数据解析……光是想想就头大。 别担心，今天我要分享的这个方法，完全不需要写一行后端代码，就能把强大的AI驱动PDF解析能力——PDF-Extract-Kit-1.0，轻松集成到你的Power Apps应用中。哪怕你是零编程基础的业务人员，也能在30分钟内完成整个流程。 PDF-Extract-Kit-1.0 是目前开源社区中表现最出色的PDF内容提取工具之一。它不仅能精准识别文本、表格、图像和公式，还能理解文档的布局结构，即便是扫描件或模糊文件也能保持高准确率。更重要的是，它的模型已经预置在ZEEKLOG星图镜像广场中，支持一键部署为HTTP服务，这为我们通过Power Automate调用提供了极大便利。 本文将带你从零开始，一步步实现： * 如何快速部署 PDF-Extract-Kit-1.0 镜像
企业数字化转型喊了多年，却始终卡在两难境地：纯代码开发周期长、成本高、迭代慢，中小团队耗不起；传统低代码看似快捷，却只能做简单表单和固化流程，适配不了复杂业务，智能化更是形同虚设。 如今低代码AI化迎来全面爆发，行业彻底告别“拖拽凑数”的浅层次应用，可多数平台依旧停留在AI插件拼接的伪智能阶段。直到OpenClaw的落地，才真正打通了低代码、AI与企业业务的壁垒，凭借原生智能体能力，补齐企业数字化的最后一块短板，成为转型落地的核心抓手。 一、行业痛点：企业数字化的三座拦路大山 抛开浮华的概念，企业做数字化转型，最怕的不是没工具，而是工具不实用、不落地，当前市面上的方案普遍存在三大硬伤，卡死转型进度： * AI与业务割裂：低代码搭载的AI仅能做表层代码生成、问答交互，无法深度理解业务逻辑、对接企业现有系统，智能能力用不上、落地难； * 开发门槛仍偏高：即便用低代码，仍需专人配置流程、对接数据、调试权限，业务人员无法自主操作，技术团队负担依旧繁重； * 数据安全存隐患：多数AI能力依赖云端接口，企业核心业务数据、经营数据需要外发，隐
实测可用！发那科机器人与西门子PLC通讯全方案（网关+Modbus TCP双版本，避坑指南附代码） 在工业自动化现场，发那科（FANUC）机器人与西门子PLC的组合十分常见，但两者“协议壁垒”常常让工程师头疼——发那科机器人原生支持EtherNet/IP，而西门子PLC（S7-1200/1500）主打Profinet，直接通讯往往“语言不通”。 本文结合3个实际产线项目经验，整理两种经过现场验证、100%可用的通讯方案（网关跨协议版 + Modbus TCP低成本版），步骤拆解到每一步按键操作，标注新手常踩的坑，附PLC测试代码和故障排查方法，适合工控工程师直接照搬落地，再也不用为通讯调试熬夜！ 核心前提（避免做无用功） * 发那科机器人：支持EtherNet/IP或Modbus TCP功能（需确认系统选件，无选件需联系厂家授权，如Modbus TCP需R602选件），本文以R-30iB系列为例。 * 西门子PLC：S7-1200/S7-1500（本文分型号适配步骤），安装**TIA
在制造业数字化转型的浪潮中，生产计划与排程（APS）正从“经验驱动”走向“算法驱动”。然而，市面上多数APS系统要么价格高昂、闭源锁定，要么实施复杂、难以与现有IT体系融合。今天，我们介绍一款开源、可私有化部署、且能与低代码平台无缝融合的智能排产系统——JVS-APS。 一、什么是APS？为什么需要智能排产？ APS（Advanced Planning and Scheduling，高级计划与排程）是连接企业资源计划（ERP）与制造执行系统（MES）的“大脑”，负责在有限资源（设备、人力、物料）约束下，自动生成最优的生产计划与排程方案。 传统排产依赖ERP的粗能力计算或人工Excel表格，往往面临三大困境： * 资源冲突：设备、模具、人员同时被多个订单争抢，排产混乱； * 物料缺料：不考虑库存与在途物料，生产到一半才发现缺料； * 动态响应差：插单、
前言 用 OpenClaw 配飞书机器人，踩了两个坑：群消息不回、Gateway 总是断开。排查了好一阵子，总算搞定了，记录一下希望能帮到遇到同样问题的朋友。 发现问题 飞书消息不回复 在飞书群里 @ 了机器人，完全没反应。一开始以为是网络不好或者机器人没上线，但状态显示明明是连接着的，这就奇怪了。 Gateway 频繁断开 每次改完配置跑 openclaw gateway restart，或者根本什么都没干，Gateway 说断就断。再想启动就报错，必须跑一遍 openclaw doctor --fix 重新安装才能用。太影响使用了。 查看原因 飞书机器人 ID 搞错了 翻日志看到这么一句： receive events or callbacks through persistent connection only available in
本数据集集合了面向无人机视觉任务的大规模、多场景、多目标标注数据资源，涵盖了地理环境、智慧城市、基础设施巡检、农业生产、公共安全与灾害监测等多个关键领域。数据主要以两种主流格式提供：适用于目标检测的VOC/YOLO格式与适用于像素级语义分割的LabelMe格式，为算法开发与模型训练提供了高度结构化的标注支持。 在地理与农业监测方面，包含田地、道路、森林、水体等地理要素的分割数据集，以及作物病害、杂草识别、农田农机、牛羊牲畜等农业目标的检测数据，支持精准农业与生态研究。智慧城市与交通领域提供了丰富的城市街道场景数据，涵盖行人、车辆、交通标志、占道经营、消防通道、广告牌等目标的检测与分割，助力城市智能化管理。基础设施巡检是另一重点，覆盖电力线、光伏板、桥梁、铁路、风力发电机等设备的缺陷与异常检测，以及工地车辆、施工人员、物料垃圾的识别，满足工业自动化巡检需求。在灾害与安全监控中，包含滑坡、洪水、火灾烟雾、河道垃圾、违规建筑等应急场景的检测与分割数据，同时提供了溺水人员、海上救援、军事目标等特殊任务的专项数据集。此外，
一.权限管理注意事项 1.1 软件登录权限管理 连接上软件后，修改轴参数、点位数据需要权限。点击人物图标，登录对应的权限，管理员权限登录密码6个0。 1.2机器人控制权限管理 点击“锁”，打开机器人控制权配置页面。 选择“InoRoboLabt”，机器人受编程软件控制，使用软件可手动移动点位、示教位置信息。 选择“远程IO单元”，机器人受外部设备控制如PLC、上位机，机器人进入自动模式，收到交互信号就按照程序执行。 选择“远程以太网客户端”，机器人受远程客户短控制，用于查找问题、远程调试。 二、 使用过渡点注意事项 程序中点到点直线运动会有机构干涉或有安全风险时，使用过渡点在运动规避风险。 使用过渡点时，注意指令的工具坐标系，选择正确的Wobj工具好，否则运动出错有撞机风险。 如下图所示为例，wobj0为A工位，wobj1为B工位,注意在“轴控制面板”中选择对应工具坐标号 三、使用全局点位移动注意事项 双击左侧“P.
摘要： LazyLLM 是商汤大装置推出的开源低代码框架，作为构建和优化多 Agent 应用的一站式开发框架，覆盖应用搭建、数据准备、模型部署、微调、评测等全流程开发环节，提供丰富的工具支持。其以模块化设计打破传统开发壁垒，通过数据流驱动重构开发逻辑，能让开发者用极简代码实现工业级复杂 AI 应用，摆脱冗余编码束缚，聚焦核心业务场景，降低 AI 应用构建成本并支持持续迭代优化。堪称 AI 开发者的 “效率神器”，其技术普惠理念为 AI 开发领域带来新的实践范式，推动了更高效的开发模式。本文将以Python编程为切入点，带你深入了解LazyLLM框架。 LazyLLM 是构建和优化多 Agent 应用的一站式开发工具，为应用开发过程中的全部环节（包括应用搭建、数据准备、模型部署、模型微调、评测等）提供了大量的工具，协助开发者用极低的成本构建 AI 应用，并可以持续地迭代优化效果。 LazyLLM作为商汤大装置推出的开源低代码框架，简直是AI开发者的“效率神器”