登录社区云，与社区用户共同成长
邀请您加入社区
先看下面这位网友，直接用Marble 1.1把自己的工作室做成了一个超大3D空间，你别说，甚至有点像游戏里的密室逃脱游戏？为了保证庞大场景的逻辑自洽，模型往往不得不采用更保守、平滑的生成策略，世界一旦做大，模型要处理的信息量就会成倍往上走。从这组输入输出的对比来看，成片后的分辨率并没有啥问题，而且几乎可以说是1:1还原，画面里也没有冒出特别明显的噪点。更偏向空间生成，能在原有平面图基础上自动补出更
ksubdomain作为一款无状态子域名爆破工具，其核心优势在于通过底层网络数据包处理实现高效的DNS查询与响应捕获。本文将深入解析项目如何利用gopacket库构建高性能网络嗅探模块，揭示其在子域名爆破场景下的技术实现细节。## gopacket库在ksubdomain中的技术定位gopacket作为Go语言生态中功能强大的网络数据包处理库，为ksubdomain提供了完整的网络层操作能
面向边缘端部署，提供多模态大模型量化压缩技术落地解决方案。覆盖ViT与LLM联合剪枝、INT4/INT8量化、PyTorch全流程实现，显著降低显存占用与推理延迟。适用于视觉-语言任务轻量化部署，代码开源、即插即用，值得收藏。
ConRFT 是一种高效、安全、实用的VLA模型强化微调方法，只需 20 个演示+ 1 小时在线训练，就能让机器人在复杂真实任务中达到 96% 成功率，比传统方法快、稳、强。后续可探索 “更智能的奖励设计”“感知 - 动作联合微调”，进一步提升 VLA 模型的通用操控能力。
论文提出的LLaVA-ST是首个能够端到端处理细粒度时空多模态理解任务的MLLM。通过引入LAPE和STP模块，LLaVA-ST显著提高了模型在多个基准测试中的性能。实验结果表明，LLaVA-ST在处理时空交错任务时具有显著优势，并且在开放式视频问答和多选题视频问答任务中也表现出色。LLaVA-ST的提出为未来的MLLMs在细粒度多模态理解任务上的改进提供了重要的参考。
本文介绍了使用NVIDIA Isaac Sim构建机器人数字孪生的教程。主要内容包括：1) 场景搭建基础，涉及环境设置、物理属性配置、光照和地面添加；2) 简易机器人组装，指导创建基础形状并赋予物理特性；3) 材质与碰撞属性设置，包括摩擦系数调整和视觉材质分配。教程采用渐进式学习路径，从基础概念到高级应用，重点讲解了USD场景编辑、刚体物理模拟等核心技术。通过实践操作，读者可以掌握虚拟环境搭建和机
本文介绍了在NVIDIA Isaac Sim中构建基础机器人和添加传感器的完整流程。首先详细讲解了如何为双轮移动机器人建立骨架结构，包括添加旋转关节、设置关节驱动参数、创建关节体以及配置速度控制器。随后展示了如何为机器人安装相机传感器，包括相机创建、位置调整、视角验证以及绑定到机器人主体等步骤。教程通过GUI操作演示了机器人从基础构建到功能完善的全过程，既适用于手动组装的简单机器人，也为理解复杂机
本文详细介绍了在Omniverse USD Composer中装配移动机器人的完整流程。以叉车为例，教程分为六个主要步骤：首先导入未装配的USD资产；然后识别7个关键关节（4个非受控滚轮、1个货叉平移关节和2个后轮驱动/转向关节）；接着整理层级结构，创建body、lift等Xform组织网格组件；随后设置碰撞属性，为不同部件配置合适的碰撞近似方式；最后添加移动副和旋转副，包括为货叉设置Z轴移动副、
在强化学习领域，人体动捕数据前沿技术的应用的是核心突破口。通过真人穿戴专业动捕设备，可精准捕捉人体关节运动轨迹，生成高保真的原始动作数据——这类数据贴合人类自然动作逻辑，更适配机器人模仿学习与强化训练的数据需求。
由多模态大模型启发的，具有数理基础的认知与规划研究，与生命科学家的成果融合，并与实时的控制模块融合，可以显著增强具身智能机器人在非结构化环境下的泛化性和实用性。，就是软中有硬，硬中有软，并且通过联合仿真验证，就是有软有硬的情况下，让系统更加保持一致，让软件模块更加接近硬件，让整体系统更加符合我们的软硬件一致性的期望。同时不断提升具身智能机器人的安全性，及其与人的共情能力，让具身智能机器人真正走向我
本文梳理了具身智能、智能机器人和人形机器人的概念区别及相互关系。具身智能是人工智能的重要分支，强调智能体通过物理实体与环境交互，实现感知、认知、决策和行动一体化，其表现形式多样。智能机器人是具身智能的一种具体应用，需具备物理身体和与物理世界交互的能力。人形机器人则是智能机器人的高级形态，模仿人类外形和行为。专家指出，人形机器人虽具心理亲近感，但技术难度大、成本高；而具身智能更注重实际功能，不局限于
具身智能是实现通用人工智能的必经之路，其核心是通过智能体与数字空间和物理世界的交互来完成复杂任务。近年来，多模态大模型和机器人技术得到了长足发展，具身智能成为全球科技和产业竞争的新焦点。然而，目前缺少一篇能够全面解析具身智能发展现状的综述。因此，鹏城实验室多智能体与具身智能研究所联合中山大学 HCP 实验室的研究人员，对具身智能的最新进展进行了全面解析，推出了多模态大模型时代的全球首篇具身智能综述
