NVIDIA Halos:智能汽车革命中的全栈式安全系统
- 高级辅助驾驶行业正面临一个尴尬的"安全悖论"——传感器数量翻倍的同时,事故率曲线却迟迟不见明显下降。究其原因,当前行业普遍存在三大技术困局:
-
碎片化安全方案
传统方案就像"打补丁",激光雷达厂商只管点云加密,芯片商专注硬件隔离,软件商又另搞一套认证体系。某车企安全总监吐槽:“我们得同时对接17家供应商的安全协议,每次OTA升级都像在拆炸弹。”
-
AI模型的黑箱效应
当神经网络做出"突然左转"的决策时,工程师往往要花72小时回溯训练数据。更可怕的是,对抗样本攻击能让系统把"停止标志"识别为"限速80"——这种漏洞在传统车规级芯片上根本无法实时检测。
-
云-端安全断层
训练数据的污染可能通过云端渗透到车载系统,而现有架构下,云端安全团队和车端团队就像两个说着不同语言的守卫,中间还隔着脆弱的通信管道。
面对这些挑战,NVIDIA祭出了15,000工程年的研发成果——Halos系统。这个数字意味着什么?相当于让1000名工程师不吃不喝攻关15年!其中暗藏三个突破性里程碑:
- 芯片级:在DRIVE Orin上实现了每秒300万亿次的安全运算,功耗却比传统方案低40%。秘密在于将安全模块直接刻进Tensor Core,就像给AI引擎装了"防毒心脏"。
- 算法级:开发出"安全熵值"评估体系,用生成式AI模拟了2.8亿种攻击场景。最酷的是其"安全增强学习"技术,能让系统在遭遇未知威胁时,自动切换到"保守模式"而非死机。
- 流程级:重构了从数据标注到OTA的全链条,建立11道安全闸口。有个生动比喻:传统流程像"安检传送带",Halos则是把每件行李都送进"CT扫描仪+警犬闻嗅+特工开箱"的三重检查。
全栈式安全的价值正在于此——它不再是某个零部件或软件层的特性,而是像神经系统般渗透到每个环节。试想:
- 当毫米波雷达被干扰时,系统不是简单报警,而是调用V2X网络获取周边车辆感知数据;
- 某个AI模型节点被攻击时,相邻计算单元会立即启动"神经元防火墙";
- 甚至训练数据中混入恶意样本时,云端会自动触发"数据透析"流程。
这种"牵一发而动全身"的智能联防体系,正是Halos重新定义高级辅助驾驶安全的底气所在。NVIDIA不是在修篱笆,而是在培养整个生态系统的免疫力。
核心技术架构解析
2.1 硬件矩阵:DRIVE AGX系列芯片组
NVIDIA DRIVE AGX芯片组堪称高级辅助驾驶的"钢铁侠战衣",这套硬件矩阵的三大杀手锏让人叹为观止:
- 算力怪兽:最新Thor芯片组拥有1000 TOPS算力,相当于让汽车同时处理200部4K电影的所有像素数据,却只消耗40W功耗——这能效比简直是把超级计算机塞进了火柴盒!
- 安全岛设计:采用物理隔离的Lockstep双核校验机制,就像给芯片装上了"防弹衣+降落伞"双重保险。即使主芯片被陨石击中(理论上),备用系统仍能在50ms内安全停车,比人类眨眼还快5倍。
- 传感器融合大师:Hyperion架构可无缝整合12路摄像头+5个雷达+3个激光雷达数据流,处理延迟低于50毫秒。沃尔沃实测显示,搭载该系统的紧急制动响应速度提升30%,让汽车拥有了"条件反射神经"。
2.2 软件生态:DriveOS与安全护栏系统
DriveOS是高级辅助驾驶界的"iOS系统+保镖团队"组合,其安全设计堪称教科书级别:
这套系统最精妙的三层防护:
- 内存防火墙:像金库一样隔离关键数据,黑客想突破?先过量子计算机这关!
- 区块链OTA:每次升级都经过数字签名+区块链存证双验证,伪造升级包?门都没有!
- 行为白名单:只允许执行预先验证过的操作,AI想"叛逆"?没戏!
通用汽车使用后,其SuperCruise系统误触发率直降67%,真正实现了"该出手时才出手"。
2.3 AI安全引擎:实时检测与生成式增强
这个AI双保险系统的工作流程简直科幻:
- 异常检测网络:基于Transformer的BEVFormer模型,能识别0.1%的异常决策,比老司机第六感还准。遇到"袋鼠突然跳上公路"这类场景,0.3秒内就能预警。
- 对抗训练工厂:每天用500万虚拟攻击"折磨"AI模型,包括:
- 生成式增强:当系统遇到罕见场景时,Cosmos Nemotron会即时合成解决方案,就像给AI突然注入老司机经验。Gatik物流车实测显示,夜间物体识别准确率从82%飙升至99.3%!
最绝的是三级熔断机制:算法自修正(200ms)→硬件接管(50ms)→机械备份启动,实现99.9999%的决策可靠性——相当于开100万公里才可能出现1次失误,这安全系数简直逆天!
三维安全防护体系
3.1 平台安全:SoC认证与操作系统防护
NVIDIA Halos的硬件安全设计堪称"数字金钟罩"——其核心是获得ASIL-D认证的DRIVE AGX芯片组,内置了堪比瑞士银行金库的防护机制:
- 芯片级身份证:每颗SoC都植入物理不可克隆函数(PUF),就像给芯片装上防伪指纹
- 安全启动链:采用三级验证机制,从BootROM到DriveOS内核层层把关
- 实时入侵检测:能捕捉纳秒级的异常电流波动,响应速度比传统方案快300倍
软件层面则构建了"俄罗斯套娃"式防御:
这套系统已通过ISO 26262最高等级认证,在沃尔沃实测中拦截了99.7%的零日攻击。
3.2 算法安全:数据训练全流程保障
Halos的AI安全体系就像给算法配备了"营养师+健身教练"组合:
- 数据消毒:通过对抗生成网络自动过滤"变质数据",准确率99.97%
- 模型疫苗:在训练时注入对抗样本,让AI获得"免疫力"
- 数字孪生测试:在Omniverse中模拟暴雨天穿婚纱横穿马路等极端场景
关键技术流程:
这套系统让通用汽车的SuperCruise误触发率直降40%。
3.3 生态安全:部署流水线与合作伙伴网络
Halos打造了高级辅助驾驶界的"安全联合国":
- 认证体系:与TÜV莱茵合作建立组件级安全标准
- 部署流水线:包含17道自动化安全检测工序
- 应急响应:全球5个安全运营中心提供7×24小时支持
生态成员各显神通:
安全联盟超能力榜:
▇ 大陆集团 - 传感器融合安全
▇ OMNIVISION - 防眩光图像处理
▇ 小鹏汽车 - 激光雷达数据加密
通过区块链记录所有安全事件,构建起完整的责任追溯链,让高级辅助驾驶安全从"单兵作战"升级为"集团军防御"。
行业落地实践
4.1 AI系统检测实验室的认证体系
这个被称为"高级辅助驾驶安全界哈佛"的实验室,认证流程严格得让系统都"怀疑人生":
- 硬件炼狱测试:在-40℃到125℃的极限温度下,对芯片组进行72小时不间断"折磨",模拟2000多种硬件故障
- 黑客嘉年华:红队工程师会尝试各种脑洞大开的攻击方式,包括:
- 用激光笔"致盲"摄像头
- 通过胎压监测系统入侵主控
- 伪造5G基站信号劫持通信
- 伦理大考:系统需要在0.5秒内做出道德抉择,比如"撞护栏还是撞小动物"
通过认证的车企将获得三重安全buff:
- 硬件层面的"数字指纹"(每颗芯片都有唯一ID)
- 软件层面的"金钟罩"(TEE可信执行环境)
- 数据层面的"防弹衣"(联邦学习加密)
目前全球仅7家车企拿到钻石级认证,中国就占了3席——这成绩单,妥妥的高级辅助驾驶安全"尖子班"。
4.3 符合ISO 26262等国际标准实践
Halos在安全合规方面玩出了"降维打击":
- ISO 26262 ASIL-D:芯片内置582个安全机制,包括:
- 内存ECC纠错(能自动修复宇宙射线引发的位翻转)
- 双锁相环时钟冗余(主备系统偏差<0.1纳秒)
- ISO 21434网络安全:独创的"洋葱模型"防护:
- UNECE R155:动态合规黑科技,能像"交规翻译器"自动适配各国法规。某德系车企使用后,合规文档厚度从3米缩减到30厘米——工程师们感动得想给Halos团队发"减负奖"。
最绝的是安全审计追踪系统,能在300ms内完成全链路故障溯源。这速度比F1换轮胎还快,让传统方案望尘莫及。难怪TÜV专家评价:“Halos把汽车安全从’避免事故’升级到了’不可能事故’的维度。”
未来安全范式
5.1 与DRIVE Thor的深度集成前景
当NVIDIA Halos遇上DRIVE Thor,就像蝙蝠侠获得了他的高科技战衣——这对黄金组合正在重新定义高级辅助驾驶安全的天花板。Thor芯片的1000TOPS算力为Halos提供了三大超能力:
- 实时防护升级:通过Thor的Transformer引擎,Halos能同时处理16路传感器数据流,在8毫秒内完成从威胁检测到安全响应的全流程,比人类眨眼速度快30倍!
- 故障预测先知:双方共享的AI诊断模型能提前72小时预测90%的硬件故障,某车企实测显示这使意外停机时间减少了83%。
- 生成式防御:结合Thor的生成式AI能力,Halos可模拟300万种潜在攻击场景,相当于给每辆车配备了一个24小时工作的"白帽黑客"团队。
最妙的是,这种深度集成形成了"三明治防护"架构——硬件层、系统层、AI模型层的三重校验,使故障检测覆盖率高达99.9999%。沃尔沃的测试数据显示,紧急制动误触发率因此降低了47%。
5.2 降低AI训练成本的创新方案
Halos系统正在用三大黑科技破解高级辅助驾驶的"数据饥渴症":
- 虚拟攻击训练场:通过Omniverse生成包含暴雨+逆光+行人突然窜出的"地狱级"场景,将危险场景训练成本大幅降低 !
- 安全知识蒸馏:把多个专家模型压缩成轻量级"安全胶囊",模型体积缩小40倍却保留97%准确率。蔚来ES8的案例显示,这让车载计算机每年省电300度。
- 联邦学习网络:车企共享脱敏攻击数据但不暴露核心机密,就像特工们交换情报。参与方每增加1个,模型鲁棒性提升8%。
5.3 构建高级辅助驾驶安全新标准
Halos正在导演一场安全标准的"范式革命":
- 动态认证体系:打破传统"一测定终身"模式,通过区块链实现实时安全凭证更新。你的高级辅助驾驶系统还在"青铜段位"?该升级了!
- 三维合规框架:
- 硬件层:ISO 26262 ASIL-D认证
- 软件层:ISO 21434网络安全认证
- 数据层:GDPR+中国数据安全法双合规
- 安全即服务:车企通过API调用安全模块就像"接种疫苗”,可有效缩短高级辅助驾驶系统认证周期。
最颠覆性的是其安全数字孪生技术——在虚拟世界预演海量事故场景,帮车企提前发现设计缺陷。看来未来的高级辅助驾驶安全,得先过Halos这套"雅思考试"才行 !
相关文章:
NVIDIA Halos:智能汽车革命中的全栈式安全系统
高级辅助驾驶行业正面临一个尴尬的"安全悖论"——传感器数量翻倍的同时,事故率曲线却迟迟不见明显下降。究其原因,当前行业普遍存在三大技术困局: 碎片化安全方案 传统方案就像"打补丁",激光雷达厂商只管点云…...
k8s术语之service
Kubernetes在设计之初就充分考虑了针对容器的服务发现与负载均衡机制,提供了Service资源,并通过kube-proxy配合cloud provider 来适应不同的用于场景。随着kubernetes用户的激增,用户场景的不断丰富,又产生了一些新的负载均衡机制…...
C/C++工程中的Plugin机制设计与Python实现
C/C工程中的Plugin机制设计与Python实现 1. Plugin机制设计概述 在C/C工程中实现Plugin机制通常需要以下几个关键组件: Plugin接口定义:定义统一的接口规范动态加载机制:运行时加载动态库注册机制:Plugin向主程序注册自己通信机…...
RNN 与 CNN:深度学习中的两大经典模型技术解析
在人工智能和深度学习领域,RNN(Recurrent Neural Network,循环神经网络) 和 CNN(Convolutional Neural Network,卷积神经网络) 是两种非常重要的神经网络结构。 它们分别擅长处理不同类型的数据,在自然语言处理、计算机视觉等多个领域中发挥着关键作用。 本文将从原理…...
多模态训练与微调
1.为什么多模态模型需要大规模预训练? 多模态模型需要大规模预训练的原因包括: (1)数据丰富性:大规模预训练可以暴露模型于丰富的数据,提升其泛化能力。 (2)特征提取:通过预训练,模型能够学习到有效的特…...
【HDLBits刷题】Verilog Language——1.Basics
目录 一、题目与题解 1.Simple wire(简单导线) 2.Four wires(4线) 3.Inverter(逆变器(非门)) 4.AND gate (与门) 5. NOR gate (或非门&am…...
基于深度学习的图像识别技术:从原理到应用
前言 在当今数字化时代,图像识别技术已经渗透到我们生活的方方面面,从智能手机的人脸解锁功能到自动驾驶汽车对交通标志的识别,再到医疗影像诊断中的病变检测,图像识别技术正以其强大的功能和广泛的应用前景,改变着我们…...
【coze】手册小助手(提示词、知识库、交互、发布)
【coze】手册小助手(提示词、知识库、交互、发布) 1、创建智能体2、添加提示词3、创建知识库4、测试智能体5、添加交互功能6、发布智能体 1、创建智能体 2、添加提示词 # 角色 你是帮助用户搜索手册资料的AI助手 ## 工作流程 ### 步骤一:查询知识库 1.每…...
【教学类-34-11】20250506异形拼图块(圆形、三角、正方,椭圆/半圆)的中2班幼儿偏好性测试(HTML)
背景介绍 最近在写一份工具运用报告,关于剪纸难度的。所以设计了蝴蝶描边系列和异形凹凸角拼图。 【教学类-102-20】蝴蝶三色图作品2——卡纸蝴蝶“满格变形图”(滴颜料按压对称花纹、原图切边后变形放大到A4横版最大化)-CSDN博客文章浏览阅读609次,点赞8次,收藏3次。【…...
Debian系统上PostgreSQL15版本安装调试插件及DBeaver相应配置
PostgreSQL所在Debian Linux服务器安装插件程序 在PostgreSQL数据库服务器Debian系统上执行以下命令,安装插件pldebugger: sudo apt install postgresql-15-pldebugger #上面这一条命令运行完好像pgsql服务自动重启了,看日志的样子是这样的,…...
GD32F470+CH395Q
tcp_client配置 第一步:资料下载 以太网协议栈芯片 CH395 - 南京沁恒微电子股份有限公司 第二步:准备工程 (1) 首先准备一个编译无报错、可以正常打印和延时的工程文件,官方例程采用STM32F1芯片,但本文…...
解决Hyper-V无法启动Debian 12虚拟机
问题 有时,我们会想要在Hyper-V中运行Debian12。我们想利用该系统的ISO镜像文件安装一个全新的虚拟机。 然而,当我们在Hyper-V中创建了一个2代虚拟机、添加了Debian 12的网络安装(Netinst)ISO作为最先启动的介质时,Hy…...
linux redis 设置密码以及redis拓展
redis拓展:http://pecl.php.net/package/redis 在服务器上,这里以linux服务器为例,为redis配置密码。 需要永久配置密码的话就去redis.conf的配置文件中找到requirepass这个参数,如下配置: 修改redis.conf配置文件 # requirepass …...
uniapp app 端获取陀螺仪数据的实现攻略
在 uniapp 开发中,uni.startGyroscope在 app 端并不被支持,这给需要获取陀螺仪数据的开发者带来了挑战。不过,借助 Native.js,我们能调用安卓原生代码实现这一需求。接下来,就为大家详细介绍实现步骤,并附上…...
第三节:Vben Admin 最新 v5.0 对接后端登录接口(下)
文章目录 前言一、处理请求头Authorization二、/auth/user/info 接口前端接口后端接口三、/auth/codes 接口1.前端2.后端四、测试接口前言 上一节内容,实现了登录的/auth/login 接口,但是登陆没有完成,还需要完成下面两个接口。才能完成登录。 一、处理请求头Authorizatio…...
标题:基于自适应阈值与K-means聚类的图像行列排序与拼接处理
摘要: 本文提出了一种基于自适应阈值和K-means聚类的图像行列排序与拼接方法。通过对灰度图像的自适应二值化处理,计算并分析图像的左右边距,从而确定图像的行数与列数。通过对图像进行特征提取,并使用K-means聚类进行排序&#…...
修改磁盘权限为管理员
1.右击需要修改的磁盘,点击属性 然后一路点击确定 已经修改好了...
P1782 旅行商的背包 Solution
Description 有一个体积为 C C C 的背包和若干种物品. 前 n n n 种物品,第 i i i 种体积为 v i v_i vi,价值 w i w_i wi,有 d i d_i di 件. 后 m m m 种物品,每种对应一个函数 f ( x ) a i x 2 b i x c i f(x)a…...
Acrel-EIoT 能源物联网云平台在能耗监测系统中的创新设计
摘要 随着能源管理的重要性日益凸显,能耗监测系统成为实现能源高效利用的关键手段。本文详细介绍了基于安科瑞Acrel-EIoT能源物联网云平台的能耗监测系统的设计架构与应用实践。该平台采用分层分布式结构,涵盖感知层、网络层、平台层和应用层࿰…...
乘法逆元【费马小定理+扩展欧几里得】
目录 模运算性质费马小定理乘法逆元扩展欧几里得算法随机栈 模运算性质 费马小定理 a,b互质:gcd(a,b)1 乘法逆元 a,b互质,满足a*x同余1(mod b),x是a模b的乘法逆元,记作a的-1次方。 扩展欧几里得算法 求axbygcd(a,b)的一组(x,y). 随机栈 题目来源&…...
Linux进程间通信(上)(21)
文章目录 前言一、什么是进程间通信?概念目的本质分类 二、管道什么是管道匿名管道匿名管道的原理pipe函数匿名管道使用步骤管道读写规则管道的特点管道的四种特殊情况管道的大小 总结 前言 本篇出得有点慢,因为我在这里更换了我的开发环境 不再使用…...
力扣面试150题--对称二叉树
Day 41 题目描述 做法 原理:拆分为根节点的左右两棵子树,比较左子树的右和右子树的左,左子树的左和右子树的右 /*** Definition for a binary tree node.* public class TreeNode {* int val;* TreeNode left;* TreeNode righ…...
深度学习系统学习系列【6】之深度学习技巧
文章目录 数据集准备数据集扩展数据预处理1. 0均值(Zero Centralization)代码实现 2. 归一化(Normalization)代码实现 3. 主成分分析(Principal Component Analysis, PCA)实现步骤代码实现 4. 白化…...
vue项目中渲染markdown并处理报错
前言:想在vue项目中渲染markdown并处理报错问题 有以下几种方式: 1、使用第三方Markdown插件 2、通过Markdown转HTML工具 3、使用Vue组件处理Markdown 一、首先第一种:使用第三方Markdown插件 安装vue-markdown插件 或者 markdown-it…...
Vue3.5 企业级管理系统实战(十七):角色管理
本篇主要探讨角色管理功能,其中菜单权限这里先不实现,后续在菜单管理中再进行实现。接口部分依然是使用 Apifox mock 的。 1 角色 api 在 src/api/role.ts 中添加角色相关 api,代码如下: //src/api/role.ts import service fro…...
【AI论文】FormalMATH:大型语言模型形式化数学推理能力基准测试
摘要:正式的数学推理仍然是人工智能面临的一个关键挑战,受到现有基准在范围和规模上的限制。 为了解决这个问题,我们提出了FormalMATH,这是一个大规模的Lean4基准,包含5560个经过形式验证的问题,这些问题涵…...
9-4 USART串口数据包
HEX数据包的接收 研究几个小问题 1.包头包尾和数据载荷重复的问题 这里定义FF为包头,FE为包尾,如果我传输的数据本身就是FF和FE怎么呢?那这个问题确实存在,如果数据和包头包尾重复,可能会引起误判。我们有以下几种解…...
Babylon.js学习之路《 前言:为什么要学习Babylon.js 》
文章目录 引言:3D 开发在 Web 中的崛起为什么需要 Web 3D 开发?当选火热的应用场景数据表达方式的改变 Web 3D 的独特优势跨平台与零安装开发成本低即时更新与传播便捷 WebGL 的定位与挑战WebGL 是什么?WebGL 的直接使用痛点 为什么需要 Baby…...
今年我国已发生三级以上地震318次
快科技5月6日消息,根据中国地震台网的统计,今年以来(截至4月30日),我国共发生三级以上地震318次,其中3.0-3.9级248次,4.0-4.9级61次,5.0-5.9级7次,6.0-6.9级2次ÿ…...
在与大语言模型交互中的礼貌现象:技术影响、社会行为与文化意义的多维度探讨
概述 关于是否值得对 AI 保持礼貌的公众意见,几乎和咖啡或红酒的最新研究结果一样频繁变化——这个月被推崇备至,下个月又受到质疑。即便如此,越来越多的用户现在在提示语中加入“请”或“谢谢”,这不仅仅是因为习惯,…...
Java后端开发day42--IO流(二)--字符集字符流
(以下内容全部来自上述课程) 拓展. try…catch异常处理(能看懂) 接口:AutoCloseable 特点:特定的情况下,可以自动释放资源 注意:只有实现了AutoCloseable接口的类,才能…...
【HarmonyOS 5】鸿蒙发展历程
【HarmonyOS 5】鸿蒙发展历程 一、鸿蒙 HarmonyOS 版本年代记 鸿蒙 1.0: 2019 年 8 月 9 日,华为在开发者大会上正式发布鸿蒙 1.0 系统,这一版本首次应用于华为荣耀智慧屏产品中,标志着华为正式进军操作系统领域。该版本初步展现…...
使用蚁群算法求解VRPTW问题
这里写目录标题 蚁群优化算法Python实现ACO求解VRPTW问题Java实现ACO求解VRPTW问题蚁群优化算法 蚁群算法(ACO)适合求解带时间窗的车辆路径优化问题(VRPTW),主要基于其仿生智能机制与问题特性的深度契合,具体体现在以下六个方面: 时间窗约束的自然映射 信息素导向与时间…...
内存的位运算
示例:提取和设置标志位 假设我们有一个32位的整数,其中不同的位代表不同的标志。例如: 位0:是否开启日志(0表示关闭,1表示开启) 位1:是否启用调试模式(0表示禁用&#…...
高性能网络优化:深入解析忙轮询(Busy Polling)技术
在现代高性能网络应用中,如何降低数据包处理延迟、提升吞吐量是开发者与系统工程师的核心挑战之一。传统的“中断驱动”模式在高负载场景下表现不佳,而忙轮询(Busy Polling) 作为一种优化技术,通过主动轮询机制显著改善网络性能。本文将从原理、实现到实践,全面解析忙轮询…...
Linux grep 命令详解及示例大全
文章目录 一、基本语法二、常用选项及示例1. 基本匹配:查找包含某字符串的行2. 忽略大小写匹配 -i3. 显示行号 -n4. 递归查找目录下的文件 -r 或 -R5. 仅显示匹配的字符串 -o6. 使用正则表达式 -E(扩展)或 egrep7. 显示匹配前后行 -A, -B, -C…...
前端知识-hook
React 的生命周期管理被称为 Hook 技术,源于其设计哲学与实现机制中“钩入”组件运行流程的特性。这一命名既是对传统编程中“钩子”(Hook)概念的延伸,也体现了 React 对函数式组件的逻辑注入能力。以下从多个维度解析其关联性&am…...
uv全功能更新:统一管理Python项目、工具、脚本和环境的终极解决方案
花下猫语:uv 项目自发布起就大受欢迎,目前 Github star 52.6 K,远超过它的同类竞品们。前不久,它的创始人在 X 上披露了一组惊人的数据:uv 曾占据了 PyPI 超过 20% 的流量,用户每天通过它发起约 4-5 亿次下…...
Redis 使用及命令操作
文章目录 一、基本命令二、redis 设置键的生存时间或过期时间三、SortSet 排序集合类型操作四、查看中文五、密码设置和查看密码的方法六、关于 Redis 的 database 相关基础七、查看内存占用 一、基本命令 # 查看版本 redis-cli --version 结果:redis-cli 8.0.0red…...
ROS2:自定义接口文件(无废话)
目录 一、ROS2接口文件定义二、创建接口文件步骤三、验证是否创建成功,以及自定义接口文件的使用 一、ROS2接口文件定义 ROS2中接口文件的格式根据通信的类型可以分为三种: 话题通信:.msg文件 常用格式为:[消息类型] 消息名称 #话…...
如何配置 VScode 断点调试Linux 工程代码
1、Windowns 安装WSL 环境 2、VSCode 中 安装 Romote-SSH扩展,进行连接到WSL下的Linux 环境 安装Romote-SSH成功后,在左下角显示 , 点击此图标 出现 “连接到WSL”, 进行连接 显示,则表明链接成功 3、 VSCode 安装 C/C扩展的调试…...
tinyrenderer笔记(Phong光照模型)
tinyrenderer个人代码仓库:tinyrenderer个人练习代码 前言 在前面的渲染中,我们读取模型的 diffuse 纹理,然后根据法线计算模型的颜色。这次我们引入一种新的光照模型—— Phong 光照模型,Phong 光照模型将光照分为了三类&#x…...
Twin Builder 中的电池等效电路模型仿真
电池单元热设计挑战 电池热管理的主要挑战之一是确保温度低于最大工作限值。较高的温度会导致效率降低、加速老化和潜在的安全隐患。工程师必须了解电池产生的热量,才能充分设计冷却系统。 了解和预测电池模块的热行为需要将电池的热损耗与电池单元的电气机械特性…...
SQLark可以支持PostgreSQL了,有哪些新功能?
SQLark(百灵连接)是一款国产的数据库开发和管理工具,用于快速查询、创建和管理不同类型的数据库系统,支持达梦、Oracle 和 MySQL 数据库。 最新发布的 SQLark V3.4 版本新增了对 PostgreSQL 数据库的支持。我试用了一下ÿ…...
Redis 7.0中5种新特性及实战应用
Redis 7.0引入了多项革命性的新特性,不仅在性能和可靠性方面有所提升,更在功能和使用体验上有了质的飞跃。本文将介绍Redis 7.0的五大关键新特性,可以根据实际情况利用Redis 7.0的强大功能,构建更高效、更可靠的应用系统。 特性一…...
游戏如何应对AssetStudio解包工具
「游戏解包」是指将游戏文件中被压缩或加密的资源提取出来,通过解包工具对资源进行修改、查看或导出。这个过程通常涉及到将游戏客户端中的数据包进行解压,故称为“解包”。 游戏的资源文件包含代码、图片、视频、音频等重要内容。一旦被解密࿰…...
UE5 渲染思路笔记(角色)
参考示例 首先是怎么做到辉光只有部分有而整体没有的 使用的是Bloom内的阈值,控制光的溢光量 Threshold(阈值):这个参数决定了图像中哪些像素会参与泛光计算。只有那些亮度超过阈值的像素才会触发泛光效果。阈值越低,更多的像素会…...
Sublime Text快速搭建Lua语言运行环境
第一步 先去Sublime Text官网下载安装 Sublime Text - Text Editing, Done Right 第二步 下载lua编译运行程序 Lua - Joe DFs Builds 第三步 在Sublime Text中配置lua运行环境 {"cmd": ["D:/Lua/lua.exe", "$file"], "file_regex"…...
提示词的 嵌入空间优化
提示词的 嵌入空间优化 提示词的 嵌入空间优化的定义 提示词的嵌入空间优化,是指通过技术手段**调整提示词在低维向量空间(嵌入空间)**中的表示,使其更精准地捕捉语义信息、增强语义关联性,或适配特定任务需求,从而提升模型(如大语言模型)对提示词的理解与处理效果。…...
STM32--GPIO
教程 视频 博主教程 STM32系统结构图 GPIO GPIO(General Purpose Input/Output)是STM32内部的一种外设。 一个STM32芯片内存在多个GPIO外设,每个GPIO外设有16个引脚; 比如GPIOA:PA0~PA15; GPIOB:PB0~…...