目录 1 变分自编码器（VAE） 1.1 概念 1.2 训练损失 1.3 VAE 的实现 2 生成对抗网络（GAN） 2.1 概念 2.2 训练损失 a. 判别器的损失函数 b. 生成器的损失函数 c. 对抗训练的动态过程 2.3 GAN 的实现 3 自回归模型（AR） 3.1 概念 3.2 训练过程 a.核心思想: 用历史预测未来 b. Transformer 的损失计算：交叉熵监督预测 c.
目录 一、引言：无人机与路径规划算法 二、路径规划算法基础 （一）定义与重要性 （二）规划目标与约束条件 三、常见路径规划算法详解 （一）A * 算法 （二）Dijkstra 算法 （三）RRT（快速扩展随机树）算法 （四）蚁群算法 四、算法应用实例与效果展示 （一）不同场景下的算法应用 （二）算法性能对比数据 五、算法的优化与发展趋势 （一）现有算法的优化策略 （二）结合新技术的发展方向 六、挑战与展望 （一）面临的技术挑战 （二）未来应用前景 七、结论 一、引言：无人机与路径规划算法 在科技飞速发展的今天，无人机作为一种极具创新性的技术产物，已深度融入我们生活的方方面面，
「强化学习高速避障新范式」 目录 01 主要方法 1. 训练阶段：基于物理先验的奖励塑形 1. Dijkstra全局引导奖励 2. 基于控制障碍函数的安全惩罚 2. 部署阶段：基于高阶控制障碍函数的实时滤波 02 实验结果 1.仿真训练与消融实验 2.基准测试 3.实机飞行验证 03 总结 在无人机高速避障领域，Ego-Planner等传统的模块化规划方法受限于感知-规划-控制的累积延迟，往往难以兼顾高速与安全；而RL等纯端到端的强化学习虽然敏捷，却因缺乏理论上的安全保障而被视为黑盒。 浙江大学高飞老师团队的这项工作，最令人振奋之处在于巧妙地构建了一套混合架构。 * 在训练阶段，利用 Dijkstra 势场 引导 RL 智能体跳出局部极小值陷阱 ，实现了全局可达性； * 在部署阶段，则引入了基于 高阶控制障碍函数（HOCBF）的安全滤波器，将神经网络输出的动作实时投影到可行域内。 这种设计不仅在数学上给出了碰撞避免的严谨证明，更在实测中实现了高达 7.5m/s
OpenClaw 完整部署指南：安装 + 三大 Coding Plan 配置 + CC Switch + 飞书机器人 * 📋 文章目录结构 * 1.3 一键安装 OpenClaw（推荐） * 1.4 通过 npm 手动安装 * 1.5 运行 Onboard 向导 * 1.6 验证安装 * 步骤二：配置 Coding Plan 模型 * 🅰️ 选项 A：阿里百炼 Coding Plan * A.1 订阅与获取凭证 * A.2 在 OpenClaw 中配置 * A.3 可用模型列表
适用场景：在 Windows 本地（PowerShell）一键部署 OpenClaw，使用阿里云百炼作为大模型后端，通过飞书长连接模式实现 AI 机器人。 安装skills工具参考：OpenClaw 最新必安装 10 个 Skills-ZEEKLOG博客 自动化发布小红书：OpenClaw 实现小红书自动化发文：操作指南 步骤 1：安装 OpenClaw（openclaw中文社区） 1. 打开 PowerShell。 2. 执行以下命令一键安装： # 在 PowerShell 中运行 iwr -useb https://clawd.org.cn/install.ps1 | iex * 安装过程会自动下载 Node.js、依赖等，耗时几分钟。 * 安装完成后会自动进入配置向导，或提示你继续下一步。
飞书OpenClaw机器人 HTTP 401: Invalid Authentication 报错排查与解决方案 一、报错内容 在飞书客户端会话场景中，用户向企业OpenClaw机器人发送交互消息后，OpenClaw无预期业务响应，会话内持续返回标准化报错信息：HTTP 401: Invalid Authentication。 该报错可稳定复现于单聊、群聊等所有机器人交互场景，表现为用户每触发一次机器人交互，就会同步返回该报错信息，无正常业务逻辑执行结果返回。 二、报错说明 2.1 报错本质定义 HTTP 401 是HTTP协议标准定义的未授权（Unauthorized） 状态码，核心含义为请求方身份认证无效，服务端拒绝执行本次请求。 在飞书开放平台的机器人场景中，该报错的本质是：飞书开放平台服务端对自建机器人的全链路鉴权校验失败。无论是机器人接收飞书事件推送的上行请求，还是机器人主动调用飞书开放平台API的下行请求，只要身份凭证无效、鉴权逻辑校验不通过，飞书服务端就会返回该报错，并最终透传到飞书客户端会话窗口中。
《Spatial Joy 2025 全球 AR&AI 赛事：开发者要的资源、玩法、避坑攻略都在这》 Spatial Joy 2025 Rokid乐奇 全球 AR&AI 开发大赛 值不值得参加？不少参加过连续两届 Rokid乐奇 赛事的老兵，纷纷表示非常值得参加。 先说最实在的——奖金。 AR赛道分为应用和游戏两个赛道，金奖各20万人民币，而且是现金！交完税全是你自己的！这还不够，AR赛道总共设了27个奖项，据我打听到的往年数据，能正常跑进初赛的作品大概就60-70个，这意味着获奖比例相当高。 20万就封顶了吗？远远没有！亚马孙科技给使用Kiro并获奖的开发者，在原奖金基础上再加20%现金奖励！ AI赛道同样设置了27个奖项，奖金从1万到5万不等，主要以智能体开发为主，支持市面上所有智能体平台的适配。也就是说，你之前做的智能体微调一下就能参赛！ 更重要的是，现在正是智能眼镜行业爆发前夜。据我观察，
中文语义相似度计算实践｜基于GTE大模型镜像快速搭建WebUI与API服务 1. 引言 在自然语言处理（NLP）领域，语义相似度计算是支撑信息检索、智能问答、文本聚类等任务的核心技术。传统方法依赖关键词匹配或词袋模型，难以捕捉“同义表达”“句式变换”等深层语义关系。随着预训练语言模型的发展，基于向量空间的语义匹配成为主流方案。 本文聚焦于 GTE（General Text Embedding）中文语义相似度服务镜像，该镜像封装了达摩院开源的 GTE-Base 模型，专为中文场景优化，在 C-MTEB（Chinese Massive Text Embedding Benchmark）榜单中表现优异。通过该镜像，开发者无需关注环境配置与模型部署细节，即可一键启动具备 可视化 WebUI 计算器 和 RESTful API 接口 的轻量级语义相似度服务，适用于 CPU 环境下的快速验证与中小规模应用落地。 本实践将详细介绍如何使用该镜像实现：
⚠️注意： 1️⃣原视频打包时，是使用electron-builder打包，使用electron-builder打包，打包时要访问github需要修仙术才能访问。 2️⃣本笔记，使用Electron Forge进行打包，使用Electron Forge不需要访问github更友好。在Electron 官网中也推荐使用这种方式 👉Electron 一、Electron是什么 简单的一句话，就是用html+css+js+nodejs+（Native Api）做兼容多个系统（Windows、Linux、Mac）的软件。 官网解释如下(有点像绕口令)： Electron是一个使用 JavaScript、HTML 和 CSS 构建桌面应用程序的框架。 嵌入 Chromium 和 Node.js 到 二进制的 Electron 允许您保持一个 JavaScript 代码代码库并创建 在Windows上运行的跨平台应用 macOS和Linux—
Rust 这几年在后端领域的热度持续攀升，从系统编程语言逐渐扩展到 Web 开发领域。很多开发者在学习或选型时都会问： 目前最流行的 Rust Web 框架到底是谁？ 今天我们就从生态成熟度、GitHub Star 数量、社区活跃度、性能表现和企业使用情况几个维度，系统分析当前主流 Rust Web 框架。 一、当前最流行的 Rust Web 框架 综合社区活跃度和实际使用情况来看： 目前最流行的 Rust Web 框架是 —— Axum 当然，Actix Web 仍然拥有大量历史用户，而 Rocket 在易用性方面也非常出色。 下面逐个介绍。 🥇 一线框架：Axum（当前热度最高） Axum 是什么？ Axum 是基于 Tokio 异步运行时和 Tower 生态构建的现代
理解基础概念 ClaudeCode与Figma-MCP结合使用能实现设计稿到代码的高效转换。Figma-MCP是Figma的代码生成插件，ClaudeCode是AI辅助编程工具，两者搭配可自动生成高保真前端代码。 安装必要工具 确保已安装Figma桌面版或网页版，在Figma社区搜索并安装MCP插件。ClaudeCode通常作为VSCode插件或独立应用使用，需在对应平台完成安装和账号绑定。 设计稿准备 在Figma中完成UI设计后，使用图层命名规范。建议采用BEM命名法，如header__button--active。为需要交互的元素添加注释，标注状态变化和动效参数。 使用MCP生成基础代码 选中Figma画板或组件，运行MCP插件。配置输出选项为HTML/CSS或React/Vue等框架代码。检查生成的代码结构，重点关注class命名与设计稿的映射关系。 代码优化流程 将MCP生成的代码导入ClaudeCode进行增强。通过自然语言指令调整代码结构，例如"优化响应式布局"或"添加hover动效"。检查Claude建议的代码修改，重点关注跨浏览器兼容性处理。 //
一、Vue简介(什么是Vue,为什么选择Vue,开发前的准备) 1.Vue是一款优秀的前端渐进式框架，是目前企业主流的框架技术需求，并且学习难度低。 2.它基于标准的HTML、CSS、JS构建，并提供一套声明式、组件化的编程模型。 3.渐进式框架：是一个框架，也是一个生态。可以某个功能单个、模块中使用，甚至在完整的项目中使用。 4.Vue官方文档： 简介 | Vue.jshttps://cn.vuejs.org/guide/introduction5.Vue API风格：选项式API和组合式API（两种风格不一样但是实现的效果是一致的） 选项式API（Vue2）： <script> export default { data() { return { count: 0 } }, methods: { increment() { this.