Hexo

✅ 任务完成总结我已经详细分析了关节强度、活动角度定义及其对 Roll 晃动的影响，所有分析结果已保存在 /home/ubuntu/project/robot_train/exp_analysis/ 目录中。 🎯 核心答案问题 1: 关节参数定义位置1️⃣ PD 控制参数（最重要）位置: config/BIRL_stable.py 第 54-56 行 12345class pd_gains(SetDict2Class): decimation = 15 # 适当增加 hip_roll 的刚度以抵抗横滚，增加阻尼以减少震荡 stiffness = {'hip_yaw': 55., 'hip_roll': 120., 'hip_pitch': 75., 'knee': 45., 'ankle': 30.} damping = {'hip_yaw': 0.3, 'hip_roll': 3.0...

一、Planner Server 规划服务器 1.1 数据流输入: 当前位置（来自定位系统） 目标位置（来自 BT Navigator） 全局代价地图（来自 Global Costmap） 处理: 基于 Dijkstra/A* 搜索，应用 tolerance 和 allow_unknown 规则输出: 全局路径（点序列） 传递给 Controller Server 工作流程 二、Controller Server 控制服务器我将详细分析 qmini_nav2 包中 controller_server 的各项参数及其功能。让我基于配置文件为您详细解读。 Controller Server 参数详细分析🎛️ 一、核心服务器参数1. 基础配置1234controller_server: ros__parameters: use_sim_time: False controller_frequency: 20.0 use_sim_time: False 功能: 使用真实世界时间而非仿真时间 用途: 实际机器人部署时设为 False，Gazebo 仿...

方式一同一个 wifi 下，jetson 的 ip 地址总是变化。我们可以使用“子网全扫描 + 路由器后台确认“方式确认jetson 的 ip： 1sudo nmap -sn 10.31.225.0/24 同时根据 Jetson mac 地址确认 Ip。 方式二arp-scan 是内网 ARP 扫描的专用工具，可直接扫描网段并筛选目标 MAC，比 Nmap 更精准： 1234567# 1. 安装 arp-scan（macOS 用 brew，Linux 用 apt/yum）brew install arp-scan # macOS# sudo apt install arp-scan # Ubuntu/Debian# sudo yum install arp-scan # CentOS/RHEL# 2. 扫描 10.31.225.0/24 网段，并筛选目标 MACsudo arp-scan 10.31.225.0/24 | grep -i 48:8F:4B:61:35:BE

lsusb 可以看到设备 1234(dev) jetson@ubuntu:~/project/jetson_code/audio$ lsusb...Bus 001 Device 017: ID 2207:0001 Fuzhou Rockchip Electronics Company XFM-DP-V0.0.18... 执行 arecord -l 显示设备被占用、不可用 12345(dev) jetson@ubuntu:~/project/jetson_code/audio$ arecord -l**** List of CAPTURE Hardware Devices ****card 1: XFMDPV0018 [XFM-DP-V0.0.18], device 0: USB Audio [USB Audio] Subdevices: 0/1 Subdevice #0: subdevice #0 查看设备状态文件 123456# 语法：/proc/asound/card{N}/pcm{M}c/sub0/status# N = ...

一、ROS2 是什么？ROS2（Robot Operating System 2） 不是操作系统，而是一个机器人开发框架，帮助你： 管理多个程序（节点）之间的通信 重用别人写好的功能（如雷达、IMU、SLAM） 可视化数据（用 RViz2） 控制机器人行为 🛠️ 二、ROS2 基本使用流程（从零开始）1️⃣ 创建工作空间（Workspace）ROS2 项目都放在一个“工作空间”里，通常叫 xxx_ws（ws = workspace）。 123# 创建工作空间（例如叫 my_robot_ws）mkdir -p ~/my_robot_ws/srccd ~/my_robot_ws src/：放源代码（功能包） 编译后会生成 build/、install/、log/ 2️⃣ 放入功能包（Package）比如你下载了 rplidar_ros 雷达驱动： 12cp -r rplidar_ros ~/my_robot_ws/src/✅ 一个功能包是一个独立模块，包含代码、配置、依赖等。 3️⃣ 编译工作空间 123cd ~/my...

Ubuntu 20.04 环境配置实践NVIDIA Driver通过 Ubuntu 官方的显卡驱动管理工具，自动检测当前系统硬件（显卡型号），并列出推荐安装的 NVIDIA 驱动版本（包括闭源驱动和开源驱动）。 12sudo apt install ubuntu-drivers-common # 先安装驱动管理工具（若未安装）ubuntu-drivers list # 展示可用的驱动 为了使用 OpenGL 等功能，建议 Ubuntu 20.04 可以直接安装 nvidia-driver-535（非服务器版本） 安装步骤 卸载残余驱动 123sudo apt update && sudo apt upgrade -ysudo apt remove --purge nvidia-* # 卸载旧驱动（如有）sudo reboot # 重启后再安装新驱动 安装 12345sudo apt install nvidia-driver-535 nvidia-utils-535sudo reboot # 重启nvidia-smi # 查看驱动 CUDA To...

在租赁的 Ubuntu 服务器上配置 TigerVNC 实现远程登录，可按以下步骤操作，结合你的环境和需求优化： 一、安装 TigerVNC 服务器 先更新系统包列表： 1sudo apt update 安装 TigerVNC 核心组件（包含服务器和 Xorg 扩展，确保 GLX 支持）： 1sudo apt install tigervnc-standalone-server tigervnc-xorg-extension tigervnc-viewer tigervnc-standalone-server：VNC 服务器主程序 tigervnc-xorg-extension：提供 GLX 扩展支持（解决图形加速问题，尤其适合 IsaacGym 等需要 OpenGL 的场景） tigervnc-viewer：可选，用于服务器本地测试连接 二、初始化 VNC 密码首次使用需设置远程登录密码（客户端连接时使用）： 1vncpasswd 输入密码（建议 8 位以内，超过部分会被截断） 选择是否设置“仅查看”密码（按需选择，一般选 n 即可） 三、配置 VNC 启动参数（...

安装 ubuntu-desktop 时速度慢，通常是由于软件源镜像服务器延迟高导致的。可以通过更换国内镜像源来加速，以下是具体步骤： 步骤1：备份原有软件源配置在 SSH 终端中执行： 1sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak 步骤2：替换为国内镜像源（以阿里云为例）编辑 sources.list 文件： 1sudo nano /etc/apt/sources.list 将文件内容全部替换为以下阿里云 Ubuntu 20.04 镜像源（根据你的 Ubuntu 版本调整，若不是 20.04，将 focal 替换为对应代号，如 22.04 是 jammy）： 1234567891011121314deb http://mirrors.aliyun.com/ubuntu/ focal main restricted universe multiversedeb-src http://mirrors.aliyun.com/ubuntu/ focal main restricted universe multive...

参考文档 类型 说明 Jetson AI Develop 机器学习容器 for NVIDIA Jetson NVIDIA Jetson AI Lab 适配 Nvidia Jetson的大模型网站 devpi 适配 ARM 架构的 python 安装包 Jetson ONNX_Runtime Jetson安装onnxruntime-gpu的离线 whl 包 ARM 架构编译安装pynini Jetson安装pynini tensorRT12345678910111213141516171819202122232425262728293031323334353637383940jetson@ubuntu:~/project/CosyVoice$ which python3/home/jetson/miniforge3/bin/python3jetson@ubuntu:~/project/CosyVoice$ jetson@ubuntu:~/project/CosyVoice$ ls -l $(which python3)lrwxrwxrwx 1 jets...

在该ASR模型的灵活组合方案中，ASR、VAD、PUNC是三类功能独立但可协同工作的核心模型，分别解决语音处理流程中的“核心识别”“语音检测”“标点补全”问题，具体作用及应用场景拆解如下： 一、ASR模型：语音识别的“核心引擎”全称：Automatic Speech Recognition（自动语音识别）核心作用：将人类语音信号（音频）直接转换为文本，是语音转文字的“核心执行模块”，也是整个组合方案的基础。 关键细节： 核心能力 处理输入的音频数据（无论是原始文件、URL还是已解析的数值数组），通过声学模型、语言模型（可选）的协同，将音频中的语音内容映射为对应的文字（如将“你好，今天天气不错”的语音转为文字）。 该教程中的ASR模型基于“Paraformer-large”架构（非自回归模型），特点是识别速度快、准确率高，在AISHELL-1、WenetSpeech等中文数据集上达到SOTA（当前最优）性能（如AISHELL-1测试集无LM时CER仅1.95%，CER越低识别越准）。 适用场景所有需要“语音转文字”的基础场景，如录音文件转写、语音输入、会议纪要初稿生成...