面向 SLAM / 機器人軌跡重建視角的對比表（基于公開官網(wǎng)信息，偏產(chǎn)品能力層，不代表實際交付效果排名）。 說明： GenRobot / IO-AI 更偏具身智能垂直產(chǎn)品。Scale / Appen 更偏數(shù)據(jù)平臺與數(shù)據(jù)服務(wù)（Scale 正在明顯…

目錄 第20章 基礎(chǔ)模型（Foundation Models）與視覺大模型 20.1 視覺基礎(chǔ)模型概念 20.1.1 從專用模型到通用視覺模型 20.1.2 上下文學(xué)習(xí)與提示適應(yīng)（Prompt Tuning） 20.1.3 模型規(guī)模與涌現(xiàn)能力 20.1.4 2024年視覺基礎(chǔ)模型：SAM, DINOv2, EVA-02 20.2 Segment Anything M…

知乎：為什么像orb slam，vins等視覺SLAM開源算法里，精度上雙目常常低于單目？ 深層次原因（不是“單目更強”，而是“雙目收益沒被吃滿”） 1) 雙目“理論優(yōu)勢”成立的前提很苛刻 雙目確實能直接給…

目錄 第21章 具身智能與機器人視覺 21.1 機器人感知基礎(chǔ) 21.1.1 機器人視覺傳感器：RGB-D, 事件相機, LiDAR 21.1.2 手眼標(biāo)定與相機外參估計 21.1.3 視覺伺服（Visual Servoing）基礎(chǔ) 21.1.4 同時定位與地圖構(gòu)建（SLAM）概述 21.2 視覺-語言-動作（VLA）模型 21.2.1 從…

目錄 第19章 視覺-語言模型與多模態(tài)學(xué)習(xí) 19.1 視覺-語言預(yù)訓(xùn)練 19.1.1 對比學(xué)習(xí)范式：CLIP, ALIGN 19.1.2 圖像-文本匹配與掩碼語言建模：UNITER, OSCAR 19.1.3 編碼器-解碼器架構(gòu)：BLIP, BLIP-2 19.1.4 2024年進展：SigLIP, CLIPPO 19.2 多模態(tài)大語言模型（MLLM） 19.…

目錄 第18章 人體姿態(tài)估計與動作捕捉 18.1 2D姿態(tài)估計 18.1.1 熱圖回歸與坐標(biāo)回歸方法 18.1.2 堆疊沙漏網(wǎng)絡(luò)（Stacked Hourglass） 18.1.3 高分辨率網(wǎng)絡(luò)（HRNet）與多尺度融合 18.1.4 自底向上方法：OpenPose, PifPaf, DEKR 18.2 3D姿態(tài)估計與重建 18.2.1 單目3D姿態(tài)估…

質(zhì)量塊-阻尼器-彈簧系統(tǒng)H無魯棒控制: 考慮用魯棒控制方法來控制一個簡單的二階機械系統(tǒng)：質(zhì)量塊-阻尼器-彈簧系統(tǒng) 該系統(tǒng)是本科生實驗教學(xué)中常見的控制實驗裝置 作為一個案例，將針對該裝置介紹三種控制器的詳細(xì)設(shè)計方法，分析閉環(huán)系統(tǒng)的魯棒穩(wěn)定…

本文深入解析了AI模型訓(xùn)練的多種學(xué)習(xí)方法，包括有監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、自監(jiān)督學(xué)習(xí)和半監(jiān)督學(xué)習(xí)，并詳細(xì)介紹了每種方法的核心原理和應(yīng)用場景。特別強調(diào)了自監(jiān)督學(xué)習(xí)在自監(jiān)督預(yù)訓(xùn)練中的重要性，以及如何利用海量無標(biāo)注數(shù)據(jù)進行高效訓(xùn)練。此外&a…