当前位置： 首页 > news >正文

[EAI-027] RDT-1B，目前最大的用于机器人双臂操作的机器人基础模型

news 来源：原创 2025/5/13 18:17:20

Paper Card

论文标题：RDT-1B: a Diffusion Foundation Model for Bimanual Manipulation
论文作者：Songming Liu, Lingxuan Wu, Bangguo Li, Hengkai Tan, Huayu Chen, Zhengyi Wang, Ke Xu, Hang Su, Jun Zhu
论文链接：https://arxiv.org/abs/2410.07864v1
项目主页：https://rdt-robotics.github.io/rdt-robotics/
论文出处：/
论文被引：/

Abstract

双臂操作由于协调两只机械臂的复杂性（导致多模态动作分布）以及训练数据的稀缺性，开发基础模型极具挑战性。本文提出了用于双臂操作的扩散基础模型 Robotics Diffusion Transformer (RDT)。 RDT 构建在扩散模型的基础上，有效地表征多模态动作分布，并创新性地设计了可扩展的Transformer来处理异质的多模态输入，以学习非线性和高频的机器人数据。为了解决数据稀缺问题，引入了物理可解释的统一动作空间，该空间可以统一各种机器人的动作表示，同时保留原始动作的物理意义，便于学习可迁移的物理知识。凭借这些设计，成功地对迄今为止最大的多机器人数据集完成了参数量最大的基于扩散的机器人操作基础模型 RDT-1.2B 的训练。 最后，在一个自建的多任务双臂数据集上对RDT进行了微调，该数据集包含超过 6K+ episode，以改进其操作能力。真实机器人上的实验表明，RDT 显著优于现有方法。 展示了对未见的物体和场景的零样本泛化，理解并遵循语言指令，只需 1∼5 次演示数据就能学习新技能，并有效地处理复杂、灵巧的任务。

Summary

用于机器人双臂操作的基础模型 1.2B，跟pi0是同期发布的工作，应该不是参数规模最大的了。这个模型的优势是整个DiT骨干上进行扩散过程，相比pi0仅仅在action expert进行扩散，能够统一动作空间。劣势是没办法做多模态推理，对语言指令的语义泛化能力没有使用VLM的pi0好。开源了 6k+ 条的双臂操作数据，功德无量～
在这里插入图片描述

研究背景

当前缺少用于机器人双臂操作的基础模型，主要原因是包含高维动作空间的数据稀缺（可用数据 < 10K episode），硬件成本高，数据采集困难。为了解决这个问题，首先能够使用已有的机器人数据，这些数据可以是单臂机器人的数据，提供一个比较好的start up之后，再使用专门的双臂数据进行微调，并且要具备一定的泛化能力。要达成这个目标，需要解决下述模型层面问题：1）需要一个在表达能力和可扩展性方面非常强大的架构，尤其是对机器人动作空间多模态分布特性的建模能力；2）能够有效地处理多模态的异质数据，包括文本、图像和动作（不同机器人本体、不同机器人观测空间等等）；3）能够高效稳定地在大规模数据上进行训练。

方法介绍

本文提出了一个具备强大泛化能力的双臂操作基础模型 Robotics Diffusion Transformer (RDT)，其以 DiT 作为骨干网络，这使得其具备对复杂动作分布的建模能力，精心设计了多模态编码器，以消除模态间的异质性。

  • 为了适配机器人动作的高频变化和非线性动力学，针对DiT做了优化，主要包括MLP解码，改进的归一化方法和交替条件注入（alternating condition injecting）。
  • 为了能够在异质数据上训练，设计了可解释的统一动作空间，这是一个用于具有夹爪机器人的统一动作格式，可以在保留原始操作物理语义的前提下，缓解不同机器人动作空间配置的冲突，从而学习跨机器人本体的课泛化的物理世界知识。

问题描述

机器人本体：松灵 ALOHA 双臂机器人，通过遥操作收集数据，包括两个二指夹爪，两个腕部相机和第三视角相机
在这里插入图片描述
在这里插入图片描述

解决的问题：以语言为条件的双臂视觉操作任务，在家居场景具有重要价值。给定语言指令 l，和 t 时刻的观测信息 ot（包括：相机的历史序列长度为T的RGB输入x，机器人低维的本体感受信息 zt，以及控制频率 c），模型需要生成动作 at 来控制双臂实现 l 指定的目标。注意，动作 at 通常是本体感受信息 zt+1的子集。

一个典型的双臂操作任务涉及的元素：

  • 一个技能：例如，抓取，擦拭等
  • 一个物体：例如，瓶子，桌子等
  • 一个场景：任务发生的场景
  • 一个关于如何执行技能的模态描述：例如用左手臂拿起瓶子

对于一个新任务，需要模型能够泛化到训练数据未出现过的元素。本文的的目标是训练一个适用于双臂操作机器人的基础模型 RDT 实现上述元素的泛化。注意，是利用多种机器人数据增强双臂操作的泛化能力，而非训练一个跨机器人本体泛化的基础模型。

需要解决两个问题：

  1. 如何设计强大的模型架构？
  2. 如何针对异质的数据训练？

模型架构

什么是机器人动作的多模态特性？给定语言指令和观测信息，可能存在多条可以执行的机器人动作轨迹来执行任务。如果是确定性映射的方式，模型会学习动作分布的平均值，从而导致无法完成任务。而如果使用连续条件分布建模，比如基于扩散模型，则可以解决这个问题。但随之而来的是原生的DiT架构建模的是图像和视频，并且在时间和空间上是连续的，帧与帧之间的变化是增量的。然而，机器人相关的低维动作模态等物理量是非线性的并且是高频变化的，这些特性源于注入碰撞、约束和材料阻尼等物理交互产生。此外，还可能由于传感器不可靠导致存在数值不稳定的问题。

基于扩散的动作建模

两点需要注意：去噪过程在整个网络进行，可以学习到统一的动作空间；预测的是 action trunk 而非单点的action。
在这里插入图片描述

异质多模态输入编码

异质性体现在模态的格式、维度数量和信息量（编码后的token）方面。为了解决这个问题，需要将不同的模态编码到一个统一的隐空间中，使用的编码器如下：

  • 低维输入：包括机器人诶本体感受信息，动作块、控制频率，使用带有傅立叶特征的 MLP 编码捕获低维空间中的高频变化
  • 图像输入：使用 SigLIP 从图像中提取高维的、包含丰富的空间和语义信息
  • 语言输入：使用 T5-XXL 从语言中提取长度变化、高度抽象、模糊和复杂的信息

小的trick：不同模态输入可能包含非常不同的信息量，比如第三视角相机捕获的全局视图的图像包含的信息量多于腕部相机捕获的图像，为了避免模型只关注全局视图走捷径而忽略腕部相机视图，从而失去感知深度的能力，在编码过程中以一定概率随机地对每个多模态输入进行mask，以防止模型过度依赖特定输入。

DiT骨干网络改进

对 DiT 的三个改进：

  • QKNorm 和 RMSNorm：为了解决机器人物理量的数值不稳定导致的梯度不稳定和数值溢出问题，在计算attention时，增加了 QKNorm。action prediction本质上可以看作一个时间序列预测问题，而原始DiT 中的LayerNorm中的centering 操作会导致 token shift 和 attention shift 从而破坏时间序列的对称性。因此，替换为了 RMSNorm。图 4 可以看出，如果没有这种修改，预训练会非常不稳定，并且可能导致梯度爆炸。
  • MLP解码器：为了提高对非线性的机器人动作的建模能力，将现行解码器替换为非线性MLP解码器，作为从隐空间到物理空间的投影。图 4 可以看出，如果没有这个改进，RDt 无法有效地捕获非线性动态，从而导致无法完成需要精细操作的灵巧操作任务。
  • Alternating Condition Injection (ACI)：RDT中的图像和语言输入作为条件，是高维的，并且长度可变，这与传统 DiTs 中的类别标签条件不同。这些信息丰富的条件难以压缩成单个 token，使得原始的 adapter layer 的 norm 方法不适用。因此，采用交叉注意力来适应不同长度的条件，避免在进一步压缩时造成信息丢失。此外，由于图像通常远多于文本token，同时注入两种模态往往会掩盖文本相关信息，从而削弱指令遵从能力（图 4）。 为了缓解这个问题，在 successive layer 的交叉注意力中交替注入图像和文本token，而不是在每一层都注入。

数据构建

统一的动作空间

为了能够在异构多机器人数据上进行训练，需要一个在各种机器人之间共享的统一动作空间，它可以为多机器人动作提供统一的格式。 从机器人的原始动作空间到统一动作空间的映射应该是物理上可解释的，其每个维度都应该具有明确的物理意义。这可以使得模型从不同的机器人数据中学习共享的物理规律，从而提高从不同机器人数据中学习的效率。

如图 3 左侧所示，通过将原始动作向量中的每个元素根据其物理意义填充到统一动作空间向量的对应位置来将机器人的动作空间嵌入到这个统一空间中，剩余位置则用填充值填充（表 4 列出了具体的含义）。在这个统一空间下，能够利用几乎所有带夹爪的现代机器人的数据上预训练 RDT，并极大地扩展数据规模，以满足基础模型的要求。 预训练数据包含 46 种不同机器人的数据集（表 6），总规模为 1M+ 条轨迹，共计 21TB。
在这里插入图片描述
在这里插入图片描述

双臂操作任务数据收集

高质量的微调数据集对于模型性能至关重要。从三个方面确保数据集的高质量：

  1. 在数量方面，收集了 6K+ 条轨迹，是目前最大的双臂数据集之一；
  2. 在全面性方面，考虑了 300+ 个具有挑战性的任务，涵盖了从抓取和放置到连接电缆等大多数操作任务类型，甚至包括书写数学方程；
  3. 在多样性方面，准备了 100+ 个物体，包括不同尺寸和纹理的刚性和非刚性物体，以及 15+ 个不同照明条件的不同房间
    此外，进一步利用 GPT-4-Turbo 来重写人工标注的指令，以增加文本多样性。
    在这里插入图片描述

消融实验

实验设置

旨在通过真实机器人实验回答以下问题：

Q1: RDT 的零样本泛化能力是否可以泛化到未见的物体和场景？

Q2: RDT 的零样本指令遵循能力对未见的模态的有效性？

Q3: RDT 能否促进对未见的技能的少样本学习？

Q4: RDT 是否能够完成需要精细操作的任务？

Q5: 大模型参数、大数据量和扩散模型对 RDT 的性能有帮助吗？

  • RDT (ours): the original RDT.
  • RDT (regress): RDT without diffusion modeling. It models the deterministic mapping (ℓ,𝒐t)↦𝒂t.
  • RDT (small): RDT without large parameters. It has only 166M parameters.
  • RDT (scratch): RDT without pre-training. It is trained from scratch during fine-tuning.

研究任务：一共7个，来评估 RDT 从不同维度的泛化能力和功能，包括模型在现实世界任务中可能遇到的复杂场景，例如各种未见的元素和灵巧的操作。如图5和表1所示。
在这里插入图片描述
在这里插入图片描述
数据量：

  • Wash Cup: 133 demos for seen cups combined and 0 demos for unseen cups;
  • Pour Water: 350 demos for seen rooms combined and 0 demos for unseen rooms;
  • Pour Water-L-1/3 & Pour Water-R-2/3: 18 demos for the water level of little, 19 demos for half, and 19 demos for full;
  • Handover: 5 demos; Fold Shorts: 1 demo;
  • Robot Dog: 68 demos.

模型训推：

  • 训练：48 个 H100 GPU，一个月，1M steps
  • 微调：48 个 H100 GPU，三天，130K steps

模型推理：

  • 框架：DPM-Slover++
  • RTX 4090 24GB GPU 推理频率 6Hz Action Trunk，381 Hz Actions

测试配置：

  • Wash Cup is tested with 8 trials for each cup (one seen cup, two unseen cups, 24 trials in total).
  • Pour Water is tested with 8 trials for each room (three unseen rooms, 24 trials in total).
  • Pour Water-L-1/3 and Pour Water-R-2/3 are tested with 8 trials each.
  • Handover, Fold Shorts, and Robot Dog are tested with 25 trials each.

实验分析

在这里插入图片描述
在这里插入图片描述

从表 3 的结果可以看出，RDT 始终优于其他基线方法。 这是因为 RDT 使用强大的网络架构与扩散相结合，能够准确地对多模态动作的分布进行建模，而离散化和 VAE 分别缺乏准确性和表达能力。 此外，大规模预训练后的大量参数提供了大量的先验知识，这极大地提高了泛化能力。 下面是详细分析：

Q1 & Q2: RDT 可以零样本泛化到未见的物体、场景和模态。 在 Wash Cup 和 Pour Water 任务中，RDT 仍然可以在未见的场景中取得很高的成功率，其性能与可见场景中的性能相差无几。 相反，其他基线方法甚至无法完成整个任务。 在 Pour Water-L-1/3 和 Pour Water-R-2/3 中，从图 5 或图 10 可以发现，RDT 精确地理解了要操纵哪只手以及要倒多少水，并通过其动作严格遵循指令，即使它从未见过像“三分之一”或“三分之二”这样的词。正是因为大规模预训练，RDT 已经看到了大量的不同物体、场景和指令，从而导致了如此强大的零样本泛化。

Q3: RDT 仅使用少量样本就可以学习新技能。 在 Handover 和 Fold Shorts 中，RDT 通过少样本学习学习了新的复杂技能，即移交和折叠，其动作模式与已知技能非常不同，而其他模型的成功率几乎为零。 这种改进也归因于大规模预训练。 少样本学习可以帮助 RDT 快速适应新的工作环境，这对实际应用具有重大意义。

Q4: RDT 可以处理灵巧的任务。 在 Robot Dog 中，RDT 在推动操纵杆时准确地控制角度，而其他机器人则会导致机器狗偏离。这是因为扩散，可以对多模态和非线性动作的分布进行建模，从而使动作精度能够满足灵巧任务的要求。 操纵杆和遥控器都是黑色的，使得操纵杆在视觉上不明显。这可能会导致 ACT 容易发生故障。 相比之下，大规模预训练使 RDT 学习了更好的操纵杆概念的视觉语言表示，提高了识别能力。

Q5: 大型模型尺寸、大量数据和扩散都是我们取得优异成绩的重要因素。 在表 2 中，如果没有这些因素，性能会严重下降。RDT (scratch) 在未见的物体和场景上的表现很差，这表明预训练的知识对于泛化至关重要。

实验结论

本文提出了 RDT 来解决可泛化双臂操作中数据稀缺和操作复杂性增加的挑战，RDT 是一种基于扩散的语言条件视觉运动模仿学习基础模型（diffusion-based foundation model for language-conditioned visuomotor imitation learning）。 RDT 是在一个广泛的多机器人数据集上预训练的，并在一个自收集的双臂数据集上微调。引入了可解释的统一动作空间，以统一不同机器人之间的动作表示，增强了鲁棒性和可迁移性。RDT 超越了现有方法，不仅在灵巧的双臂能力和指令遵循方面表现出显著改进，而且在少样本学习和对未见物体和场景的零样本泛化方面也取得了卓越的性能。

相关文章：

[EAI-027] RDT-1B，目前最大的用于机器人双臂操作的机器人基础模型

Paper Card 论文标题&#xff1a;RDT-1B: a Diffusion Foundation Model for Bimanual Manipulation 论文作者&#xff1a;Songming Liu, Lingxuan Wu, Bangguo Li, Hengkai Tan, Huayu Chen, Zhengyi Wang, Ke Xu, Hang Su, Jun Zhu 论文链接&#xff1a;https://arxiv.org/ab…...

编程日记 2025/5/13 18:17:20

oracle中使用in 和 not in 查询效率分析

在Oracle数据库中&#xff0c;IN和NOT IN的查询效率受多种因素影响&#xff0c;以下是关键点总结和优化建议&#xff1a; 1. IN 的效率 优化方式&#xff1a; IN 通常会被优化为 OR条件 或 半连接&#xff08;Semi-Join&#xff09;&#xff0c;如果子查询关联到外部表&#x…...

编程日记 2025/5/8 12:20:30

【python】四帧差法实现运动目标检测

四帧差法是一种运动目标检测技术&#xff0c;它通过比较连续四帧图像之间的差异来检测运动物体。这种方法可以在一定的程度上提高检测的准确性。 目录 1 方案 2 实践 ① 代码 ② 效果图 1 方案 具体的步骤如下&#xff1a; ① 读取视频流&#xff1a;使用cv2.VideoCapture…...

编程日记 2025/5/13 17:58:27

指针的介绍4【回调函数、qsort函数的运用】

1.回调函数 1.1定义 回调函数就是通过函数指针而被调用的函数 把函数的指针&#xff08;地址&#xff09;作为参数传递给另⼀个函数&#xff0c;当这个指针被⽤来调⽤其所指向的函数 时&#xff0c;被调⽤的函数就是回调函数 回调函数不是由该函数的实现⽅直接调⽤&#xff0…...

编程日记 2025/5/13 18:11:07

Attention Free Transformer (AFT)-2020论文笔记

名称&#xff1a; Attention Free Transformer (AFT) 来源&#xff1a; [2105.14103] An Attention Free Transformer 相关工作&#xff1a; #Approximatingthedotproduct #Sparselocalattention #Contextcompression #Eliminatingdotproductattention #MLPsforvision 创…...

编程日记 2025/5/13 18:14:13

Pyside的QWebEngineProfile类

QWebEngineProfile 是 PySide/Qt 中用于管理浏览器引擎&#xff08;WebEngine&#xff09;配置的类&#xff0c;属于 QtWebEngineCore 模块。它主要用于控制网页的全局行为&#xff0c;例如缓存、Cookie、持久化存储、用户代理&#xff08;User-Agent&#xff09;、代理设置等。…...

编程日记 2025/5/12 21:37:46

Java继承中的静态方法隐藏与实例变量隐藏：深入解析与最佳实践

引言 在Java面向对象编程中&#xff0c;继承是实现代码复用的核心机制。然而&#xff0c;继承中的静态方法&#xff08;static&#xff09;和实例变量的行为常常让开发者感到困惑。许多初学者甚至经验丰富的程序员容易混淆方法覆盖&#xff08;Override&#xff09;、方法隐藏…...

编程日记 2025/5/13 18:00:41

day6手机摄影社区，可以去苹果摄影社区学习拍摄技巧

逛自己手机的社区&#xff1a;即&#xff08;手机牌子&#xff09;摄影社区 拍照时防止抖动可以控制自己的呼吸&#xff0c;不要大喘气 拍一张照片后&#xff0c;如何简单的用手机修图&#xff1f; HDR模式就是让高光部分和阴影部分更协调&#xff08;拍风紧时可以打开&…...

编程日记 2025/5/13 18:07:07

从AD的原理图自动提取引脚网络的小工具

这里跟大家分享一个我自己写的小软件&#xff0c;实现从AD的原理图里自动找出网络名称和引脚的对应。存成文本方便后续做表格或是使用简单行列编辑生成引脚约束文件&#xff08;如.XDC .UCF .TCL等&#xff09;。 我们在FPGA设计中需要引脚锁定文件&#xff0c;就是指示TOP层…...

编程日记 2025/5/13 18:05:00

H3CNE-31-BFD

Bidirectional Forwarding Dection&#xff0c;双向转发检查 作用&#xff1a;毫秒级故障检查&#xff0c;通常结合三层协议&#xff08;静态路由、vrrp、ospf、BGP等&#xff09;&#xff0c;实现链路故障快速检查。 BFD配置示例 没有中间的SW&#xff0c;接口down&#xff…...

编程日记 2025/5/11 9:38:33

Linux安装zookeeper

1, 下载 Apache ZooKeeperhttps://zookeeper.apache.org/releases.htmlhttps://zookeeper.apache.org/releases.htmlhttps://zookeeper.apache.org/releases.htmlhttps://zookeeper.apache.org/releases.htmlhttps://zookeeper.apache.org/releases.htmlhttps://zookeeper.apa…...

编程日记 2025/5/12 15:41:34

QPS 值是怎样进行计算和应用的

1. QPS 值的定义 QPS&#xff08;Queries Per Second&#xff09;&#xff0c;即每秒查询率&#xff0c;指一台服务器每秒能够相应 的查询次数&#xff0c;是对一个特定的查询服务器在规定时间内所处理流量多少的衡量标准。它表示系统在某一特定时间内能够处理的查询请求的数量…...

编程日记 2025/5/6 11:26:29

【视频+图文详解】HTML基础4-html标签的基本使用

图文教程 html标签的基本使用 无序列表 作用&#xff1a;定义一个没有顺序的列表结构 由两个标签组成&#xff1a;<ul>以及<li>&#xff08;两个标签都属于容器级标签&#xff0c;其中ul只能嵌套li标签&#xff0c;但li标签能嵌套任何标签&#xff0c;甚至ul标…...

编程日记 2025/4/29 11:26:38

内外网文件摆渡企业常见应用场景和对应方案

在如今的企业环境中&#xff0c;内外网文件摆渡的需求越来越常见&#xff0c;也变得越来越重要。随着信息化的不断推进&#xff0c;企业内部和外部之间的数据交换越来越频繁&#xff0c;如何安全、高效地进行文件传输成了一个关键问题。今天&#xff0c;咱就来聊聊内外网文件摆…...

编程日记 2025/5/8 3:47:27

基于微信小程序的新闻资讯系统设计与实现（LW+源码+讲解）

专注于大学生项目实战开发,讲解,毕业答疑辅导&#xff0c;欢迎高校老师/同行前辈交流合作✌。 技术范围&#xff1a;SpringBoot、Vue、SSM、HLMT、小程序、Jsp、PHP、Nodejs、Python、爬虫、数据可视化、安卓app、大数据、物联网、机器学习等设计与开发。 主要内容&#xff1a;…...

编程日记 2025/5/9 7:02:13

透视B/S架构与C/S架构：构建未来网络应用的智慧选择

透视B/S架构与C/S架构&#xff1a;构建未来网络应用的智慧选择 在信息技术迅猛发展的今天&#xff0c;网络架构的选择对企业和开发者来说至关重要。B/S架构&#xff08;Browser/Server&#xff09;与C/S架构&#xff08;Client/Server&#xff09;是两种主流的架构模式&#x…...

编程日记 2025/5/4 22:34:23

受击反馈HitReact、死亡效果Death Dissolve、Floating伤害值Text(末尾附 客户端RPC )

受击反馈HitReact 设置角色受击标签 (GameplayTag基本了解待补充) 角色监听标签并设置移动速度 创建一个受击技能&#xff0c;并应用GE 实现设置角色的受击蒙太奇动画 实现角色受击时播放蒙太奇动画&#xff0c;为了保证通用性&#xff0c;将其设置为一个函数&#xff0c;并…...

编程日记 2025/5/13 17:57:25

【网络】3.HTTP(讲解HTTP协议和写HTTP服务)

目录 1 认识URL1.1 URI的格式 2 HTTP协议2.1 请求报文2.2 响应报文 3 模拟HTTP3.1 Socket.hpp3.2 HttpServer.hpp3.2.1 start()3.2.2 ThreadRun()3.2.3 HandlerHttp&#xff08;&#xff09; 总结 1 认识URL 什么是URI&#xff1f; URI 是 Uniform Resource Identifier的缩写&…...

编程日记 2025/5/12 13:25:30

mysql_init和mysql_real_connect的形象化认识

解析总结 1. mysql_init 的作用 mysql_init 用于初始化一个 MYSQL 结构体&#xff0c;为后续数据库连接和操作做准备。该结构体存储连接配置及状态信息&#xff0c;是 MySQL C API 的核心句柄。 示例&#xff1a; MYSQL *conn mysql_init(NULL); // 初始化连接句柄2. mysql_…...

编程日记 2025/5/7 8:52:50

01.01、判定字符是否唯一

01.01、[简单] 判定字符是否唯一 1、题目描述 实现一个算法&#xff0c;确定一个字符串 s 的所有字符是否全都不同。 在这一题中&#xff0c;我们的任务是判断一个字符串 s 中的所有字符是否全都不同。我们将讨论两种不同的方法来解决这个问题&#xff0c;并详细解释每种方法…...

编程日记 2025/5/9 22:31:37

[NOIP2007]矩阵取数游戏

点我写题 题目描述 帅帅经常跟同学玩一个矩阵取数游戏&#xff1a;对于一个给定的n*m的矩阵&#xff0c;矩阵中的每个元素aij均为非负整数。游戏规则如下&#xff1a; 1.每次取数时须从每行各取走一个元素&#xff0c;共n个。m次后取完矩阵所有元素&#xff1b; 2.每次取走的…...

编程日记 2025/5/9 13:22:58

C++模板初识

文章目录 一、函数模板1. 函数模板2. 函数模板、模板的特例化、非模板函数的重载关系3. 外部调用4. 模板的非类型参数5. 代码示例 二、类模板 一、函数模板 1. 函数模板 模板函数&#xff1a;在函数调用点&#xff0c;编译器用用户指定的类型&#xff0c;从原模板实例化一份函…...

编程日记 2025/5/6 17:32:16

C# Winform制作一个登录系统

using System; using System.Collections; using System.Collections.Generic; using System.ComponentModel; using System.Data; using System.Drawing; using System.Linq; using System.Text; using System.Threading.Tasks; using System.Windows.Forms;namespace 登录 {p…...

编程日记 2025/5/6 20:22:19

Kafka常见问题之 org.apache.kafka.common.errors.RecordTooLargeException

文章目录 Kafka常见问题之 org.apache.kafka.common.errors.RecordTooLargeException: The message is 1,048,576 bytes when serialized which is larger than the maximum request size.1. 错误解析2. 错误原因3. 错误复现案例3.1 生产者发送超大消息 4. 解决方案4.1 方法 1&…...

编程日记 2025/5/12 23:54:09

Python | Pytorch | Tensor知识点总结

如是我闻&#xff1a; Tensor 是我们接触Pytorch了解到的第一个概念&#xff0c;这里是一个关于 PyTorch Tensor 主题的知识点总结&#xff0c;涵盖了 Tensor 的基本概念、创建方式、运算操作、梯度计算和 GPU 加速等内容。 1. Tensor 基本概念 Tensor 是 PyTorch 的核心数据结…...

编程日记 2025/5/11 0:36:01

arm-linux-gnueabihf安装

Linaro Releases windows下打开wsl2中的ubuntu&#xff0c;资源管理器中输入&#xff1a; \\wsl$gcc-linaro-4.9.4-2017.01-x86_64_arm-linux-gnueabihf.tar.xz 复制到/home/ark01/tool 在 Ubuntu 中创建目录&#xff1a; /usr/local/arm&#xff0c;命令如下&#xff1a; …...

编程日记 2025/5/9 13:18:41

C++ 堆栈分配的区别

这两种声明方式有什么区别 1.使用 new 关键字动态分配内存 动态分配&#xff1a;使用 new 关键字会在堆&#xff08;heap&#xff09;上分配内存&#xff0c;并返回一个指向该内存位置的指针。生命周期&#xff1a;对象的生命周期不会随着声明它的作用域结束而结束&#xff0…...

编程日记 2025/5/11 1:59:36

大数据相关职位 职业进阶路径

大数据相关职位 & 职业进阶路径 &#x1f4cc; 大数据相关职位 & 职业进阶路径 大数据领域涵盖多个方向&#xff0c;包括数据工程、数据分析、数据治理、数据科学等&#xff0c;每个方向的进阶路径有所不同。以下是大数据相关职位的详细解析及其职业进阶关系。 &#…...

编程日记 2025/5/12 3:20:02

【计算机网络】设备更换地区后无法访问云服务器问题

文章目录 1. **服务器的公网 IP 是否变了**2. **服务器的防火墙或安全组设置**3. **本地运营商或 NAT 限制**4. **ISP 限制或端口封锁**5. **服务器监听地址检查** 1. 服务器的公网 IP 是否变了 在服务器上运行以下命令&#xff0c;检查当前的公网 IP&#xff1a;curl ifconfi…...

编程日记 2025/5/9 13:34:27

STM32标准库移植RT-Thread nano

STM32标准库移植RT-Thread Nano 哔哩哔哩教程链接&#xff1a;STM32F1标准库移植RT_Thread Nano 移植前的准备 stm32标准库的裸机代码&#xff08;最好带有点灯和串口&#xff09;RT-Thread Nano Pack自己的开发板 移植前的说明 本人是在读学生&#xff0c;正在学习阶段&a…...

编程日记 2025/5/11 3:38:05

【C++题解】1055. 求满足条件的整数个数

欢迎关注本专栏《C从零基础到信奥赛入门级&#xff08;CSP-J&#xff09;》 问题&#xff1a;1055. 求满足条件的整数个数 类型&#xff1a;简单循环 题目描述&#xff1a; 在 1∼n 中&#xff0c;找出能同时满足用 3 除余 2 &#xff0c;用 5 除余 3 &#xff0c;用 7 除余…...

编程日记 2025/5/9 13:14:22

DeepSeek R1-Zero vs. R1：强化学习推理的技术突破与应用前景

&#x1f4cc; 引言&#xff1a;AI 推理的新时代 近年来&#xff0c;大语言模型&#xff08;LLM&#xff09; 的规模化扩展成为 AI 研究的主流方向。然而&#xff0c;LLM 的扩展是否真的能推动 通用人工智能&#xff08;AGI&#xff09; 的实现&#xff1f;DeepSeek 推出的 R1…...

编程日记 2025/5/8 6:47:28

冲刺蓝桥杯之速通vector！！！！！

文章目录 知识点创建增删查改 习题1习题2习题3习题4&#xff1a;习题5&#xff1a; 知识点 C的STL提供已经封装好的容器vector&#xff0c;也可叫做可变长的数组&#xff0c;vector底层就是自动扩容的顺序表&#xff0c;其中的增删查改已经封装好 创建 const int N30; vecto…...

编程日记 2025/5/13 17:08:29

【视频+图文详解】HTML基础1-html和css介绍、上网原理

图文详解 html介绍 概念&#xff1a;html是超文本标记语言的缩写&#xff0c;其英文全称为HyperText Markup Language&#xff0c;是用来搭建网站结构的语言&#xff0c;比如网页上的文字&#xff0c;按钮&#xff0c;图片&#xff0c;视频等。html的版本分为1.0、2.0、3.0、…...

编程日记 2025/5/7 8:36:37

Deepseek技术浅析（二）：大语言模型

DeepSeek 作为一家致力于人工智能技术研发的公司&#xff0c;其大语言模型&#xff08;LLM&#xff09;在架构创新、参数规模扩展以及训练方法优化等方面都达到了行业领先水平。 一、基于 Transformer 架构的创新 1.1 基础架构&#xff1a;Transformer 的回顾 Transformer 架…...

编程日记 2025/5/10 11:33:27

OpenCV 版本不兼容导致的问题

问题和解决方案 今天运行如下代码&#xff0c;发生了意外的错误&#xff0c;代码如下&#xff0c;其中输入的 frame 来自于 OpenCV 开启数据流的读取 """ cap cv2.VideoCapture(RTSP_URL) print("链接视频流完成") while True:ret, frame cap.rea…...

编程日记 2025/5/10 7:00:54

03.04、化栈为队

03.04、化栈为队 1、题目描述 实现一个 MyQueue 类&#xff0c;该类用两个栈来实现一个队列。 2、解题思路 本题要求使用两个栈来实现一个队列。队列遵循先进先出&#xff08;FIFO&#xff09;的原则&#xff0c;而栈遵循后进先出&#xff08;LIFO&#xff09;的原则。因此…...

编程日记 2025/5/10 15:31:39

[Effective C++]条款49-52 内存分配

本文初发于 “天目中云的小站”&#xff0c;同步转载于此。 条款49 : 了解new-handler的行为 条款50 : 了解new和delete的合理替换时机 条款51 : 编写new和delete时需固守常规 条款52 &#xff1a;写了placement new也要写placement delete 条款49-52中详细讲述了定制new和d…...

编程日记 2025/5/7 18:42:54

vue3的路由配置

先找到Layout布局文件&#xff0c;从中找到左侧边栏&#xff0c;找到下述代码 <SidebarItem v-for"route in noHiddenRoutes" :key"route.path" :item"route" :base-path"route.path" />/** *菜单项 <SidebarItem>: *使用…...

编程日记 2025/5/6 8:55:10

基于AnolisOS 8.6安装GmSSL 3.1.1及easy_gmssl库测试国密算法

测试环境 Virtual Box&#xff0c;AnolisOS-8.6-x86_64-minimal.iso&#xff0c;4 vCPU, 8G RAM, 60 vDisk。最小化安装。需联网。 系统环境 关闭防火墙 systemctl stop firewalld systemctl disable firewalld systemctl status firewalld selinux关闭 cat /etc/selinux/co…...

编程日记 2025/4/29 5:48:50

Linux系统：Ubuntu替换镜像源具体方法；

在Linux系统更新下载软件时&#xff0c;如遇因镜像源问题下载失败时&#xff0c;我们就需要替换系统原有镜像源&#xff0c;那么&#xff0c;此时&#xff0c;你是否还在百度四处搜索可以用的镜像源地址&#xff0c;然后反复去测试源地址的正确性呢&#xff0c;下面介绍一个亲测…...

编程日记 2025/5/9 17:45:08

机器人介绍

以下是关于机器人的介绍&#xff1a; 定义 机器人是一种能够自动执行任务的机器系统&#xff0c;它集成了机电、机构学、材料学及仿生学等多个学科技术&#xff0c;可以接受人类指挥&#xff0c;运行预先编排的程序&#xff0c;或根据人工智能技术制定的原则纲领行动&#xf…...

编程日记 2025/5/12 2:41:02

thinkphp6+swoole使用rabbitMq队列

安装think-swoole安装 composer require php-amqplib/php-amqplib,以支持rabbitMq使用安装rabbitMq延迟队列插件 安装 rabbitmq_delayed_message_exchange 插件&#xff0c;按照以下步骤操作&#xff1a; 下载插件&#xff1a;https://github.com/rabbitmq/rabbitmq-delayed-…...

编程日记 2025/5/7 5:39:10

19.Word：小马-校园科技文化节❗【36】

目录 题目​ NO1.2.3 NO4.5.6 NO7.8.9 NO10.11.12索引 题目 NO1.2.3 布局→纸张大小→页边距&#xff1a;上下左右插入→封面&#xff1a;镶边→将文档开头的“黑客技术”文本移入到封面的“标题”控件中&#xff0c;删除其他控件 NO4.5.6 标题→原文原文→标题 正文→手…...

编程日记 2025/5/10 4:02:23

Pandas进行MongoDB数据库CRUD

在数据处理的领域，MongoDB作为一款NoSQL数据库，以其灵活的文档存储结构和高扩展性广泛应用于大规模数据处理场景。Pandas作为Python的核心数据处理库，能够高效处理结构化数据。在MongoDB中，数据以JSON格式存储，这与Pandas的DataFrame结构可以很方便地互相转换。通过这篇教…...

编程日记 2025/5/12 17:53:25

分布式系统相关面试题收集

目录 什么是分布式系统&#xff0c;以及它有哪些主要特性&#xff1f; 分布式系统中如何保证数据的一致性&#xff1f; 解释一下CAP理论&#xff0c;并说明在分布式系统中如何权衡CAP三者&#xff1f; 什么是分布式事务&#xff0c;以及它的实现方式有哪些&#xff1f; 什么是…...

编程日记 2025/5/11 20:55:48

家居EDI：Hom Furniture EDI需求分析

HOM Furniture 是一家成立于1977年的美国家具零售商&#xff0c;总部位于明尼苏达州。公司致力于提供高品质、时尚的家具和家居用品&#xff0c;满足各种家庭和办公需求。HOM Furniture 以广泛的产品线和优质的客户服务在市场上赢得了良好的口碑。公司经营的产品包括卧室、客厅…...

编程日记 2025/5/12 21:21:22

原码、反码、补码以及lowbit运算

原码、反码、补码以及lowbit运算 原码&#xff1a; 可以用来计算正数加减&#xff0c;正数的原码、反码、补码都一样。 第一位为符号位&#xff0c;符号位0为正数&#xff0c;1为负数(32位字符&#xff0c;这里用4位来举例子&#xff0c;后面皆是用4位来举例子&#xff0c;其…...

编程日记 2025/5/9 4:02:35

iOS 集成ffmpeg

前言 本来打算用flutter去实现一个ffmpeg的项目的&#xff0c;不过仔细分析了一下&#xff0c;我后期需要集成OpenGL ES做视频渲染处理&#xff0c;OpenGL ES的使用目前在flutter上面还不是很成熟&#xff0c;所以最后还是选择用原生来开发 ffmpeg集成到iOS工程 iOS对于ffmp…...

编程日记 2025/5/12 3:03:56

DeepSeek的崛起与全球科技市场的震荡

引言 近年来&#xff0c;人工智能&#xff08;AI&#xff09;技术的快速发展不断重塑全球科技格局。 近日&#xff0c;中国初创企业DeepSeek推出了一款据称成本极低且性能强大的AI模型&#xff0c;引发全球市场的剧烈反应。NVIDIA、台积电等半导体和AI科技巨头股价大幅下跌&am…...

编程日记 2025/5/9 17:41:42