全之の博客

论文链接：Vision-Language-Action Models for Robotics: A Review Towards Real-World Applications 如果用一句话概括这篇《Vision‑Language‑Action Models for Robotics: A Review Towards Real‑World Applications》，那就是：它第一次用“全栈视角”认真回答——到底怎样把大模型真正变成会干活的机器人。 很多文章谈“让 LLM 控制机器人”，停留在高层规划：模型输出“去拿红杯子”，下面是另一个控制模块去执行。作者认为，这还称不上真正的 Vision‑Language‑Action（VLA） 模型。他们给了一个非常严格的定义： “VLA 模型以视觉观测和自然语言指令为必需输入，并直接输出控制命令；只做技能索引的高层策略不算 VLA。” 这篇文章的野心，就是在这个定义之上，给出 VLA 领域从挑战 → 架构 → 模态处理 → 训练与数据 → 机器人平台 → 评测与实践指南的一条完整主线（见论文第 2 页图 1）。 下面我按“读者视角” ...

1. LRU 缓存概述LRU（Least Recently Used，最近最少使用）是一种经典的缓存淘汰策略。其核心思想是：当缓存空间不足时，优先淘汰最久未被访问的数据。 LRU 缓存广泛应用于操作系统（如页面置换）、数据库（如缓冲池）、Web 服务器（如 HTTP 缓存）以及各类应用系统中，用于在有限内存中高效管理热点数据。 2. LRU 缓存的核心操作一个标准的 LRU 缓存需支持以下操作： Get(key)：获取 key 对应的值；若 key 不存在，返回 -1（或其他约定值）。访问后，该 key 应被标记为“最近使用”。 Put(key, value)：插入或更新 key-value 对。若缓存已满，则淘汰最久未使用的项。 时间复杂度要求： Get 和 Put 操作均需 O(1) 时间复杂度。 3. 数据结构选择要实现 O(1) 的 Get 和 Put，需结合两种数据结构： 3.1 哈希表（map） 提供 O(1) 的 key 查找。 存储 key 到链表节点的映射。 3.2 双向链表（Doubly Linked List） 头部：最近使用的元素。 尾部：最久未使 ...

中间件的概念和原理What is 中间件在Web应用开发中，中间件（Middleware）是位于应用程序与服务器之间的软件组件，能够拦截HTTP请求和响应，并执行特定的逻辑处理。说通俗一点就是，在开始做你真正想做的事之前，要把一些杂活先干完。例如鉴权登录、身份验证、日志记录等等等等。 Why is 中间件中间件的核心思想是 分层处理 和 职责分离。通过将通用的、与业务无关的逻辑抽象出来，放在中间件中处理，可以让业务代码更加 简洁、专注、易于维护。同时，中间件采用 链式调用 的方式，形成一个处理管道，请求依次经过各个中间件，每个中间件都可以在请求到达业务逻辑之前或之后执行特定的操作。这样做一定程度上可以避免屎山产生，对于整个项目的架构和可拓展性起着很重要的作用。 How is 中间件Gin的中间件工作原理基于责任链模式（Chain of Responsibility Pattern）。这种设计模式允许多个处理器依次处理同一个请求，每个处理器专注于自己的职责领域。说白了就是挨个问一遍，谁能干谁干，干不了就甩给下家。每一层只关心自己那一档子事，能处理就处理，不能处理就把业务原封不动往下传，直 ...

一、Slice的底层数据结构切片是 Go 中的一种基本的数据结构，是对底层数组的一个动态、灵活的视图。使用这种结构可以用来管理数据集合。切片的设计想法是由动态数组概念而来，为了开发者可以更加方便的使一个数据结构可以自动增加和减少。但是切片本身并不是动态数据或者数组指针。 在golang runtime中，slice的实现并不是一个指针，而是一组结构体:123456// runtime/slice.go 中的定义type slice struct { array unsafe.Pointer // 指向底层数组的指针 len int // 当前长度 cap int // 容量（从起始位置到底层数组末尾的元素个数）}切片本身并不是动态数组或者数组指针。它内部实现的数据结构通过指针引用底层数组，设定相关属性将数据读写操作限定在指定的区域内。切片本身是一个只读对象，其工作机制类似数组指针的一种封装。 切片（slice）是对数组一个连续片段的引用，所以切片是一个引用类型（因此更类似于 C++ 中的 Vect ...

Harbor – Harbor Installation and Configuration 技术难度一般，因为它本身就是一个容器在跑，当成docker.io用就好。 1、什么是Docker私有仓库 Docker私有仓库是用于存储和管理Docker镜像的私有存储库。Docker默认会有一个公共的仓库[Docker Hub](https://zhida.zhihu.com/search?content_id=245844410&content_type=Article&match_order=1&q=Docker+Hub&zhida_source=entity)，而与Docker Hub不同，私有仓库是受限访问的，只有授权用户才能够上传、下载和管理其中的镜像。这种私有仓库可以部署在本地云环境中，用于组织内部开发、测试和生产环境中的容器镜像管理。保证数据安全性。 2、Docker有哪些私有仓库以下是一些常见的Docker私有仓库： Harbor：作为一个企业级的Docker Registry服务，Harbor提供了安全、可信赖的镜像存储和管理功能。它支持RBAC权限控 ...

对于某些经常喜欢在宿舍干实验室活又没钱开公网的家伙比较有用，下面以ubuntu为例 1. 安装cpolar内网穿透 1.1 安装cpolar 在Ubuntu上打开终端，执行命令 首先，我们需要安装curl： 1sudo apt-get install curl 国内安装（支持一键自动安装脚本） 1curl -L https://www.cpolar.com/static/downloads/install-release-cpolar.sh | sudo bash 安装成功，如下界面所示 或国外安装使用，通过短连接安装方式 1curl -sL https://git.io/cpolar | sudo 1.2 正常显示版本号即安装成功1cpolar version 1.3 token认证 登录[cpolar官网后台](https://dashboard.cpolar.com/get-started)，点击左侧的验证，查看自己的认证token，之后将token贴在命令行里 1cpolar authtoken xxxxxxx 1.4 简单穿透测试一下1c ...

What is MCPMCP (Model Context Protocol)是一种开放协议，用于标准化应用程序如何向大型语言模型（LLMs）提供上下文。可以将 MCP 想象为 AI 应用的 typec 接口。正如 typec 提供了一种标准化的方式将您的设备连接到各种外设和配件，MCP 也提供了一种标准化的方式，将 AI 模型连接到不同的数据源和工具。 MCP 协议由 Anthropic 在 2024 年 11 月底推出： 官方文档：Introduction GitHub 仓库：https://github.com/modelcontextprotocol MCP 集成教学： Git - Git 读取、操作、搜索。 Github - Repo 管理、文件操作和 GitHub API 集成。 Google Maps - 集成 Google Map 获取位置信息。 PostgreSQL - 只读数据库查询。 Slack - Slack 消息发送和查询。 MCP导航站 Why is MCP举个栗子，在过去，为了让大模型等 AI 应用使用我们的数据，要么复制粘贴，要么上传下载，非常麻 ...

一、从找东西说起——理解检测任务想象你在玩一个”找物品”的游戏：房间里藏着10个不同种类的玩具，你需要用手机拍照后圈出每个玩具的位置并说出名称。目标检测任务就类似这个过程，需要完成两个核心目标： 找到物品位置：用矩形框或者各种奇形怪状的圈准确框住物体（定位） 认出物品类别：正确说出物品名称（分类） 评估系统好坏时，既不能漏掉目标（如找到8个但漏了2个），也不能乱标位置（如把猫的框画到狗身上），更不能乱起名字（如把坤哥说成牢大）。这就是mAP指标要解决的问题。 二、核心概念拆解2.1 IoU判断预测框是否正确的标准就像交朋友： IoU（交并比）：计算预测框与真实框的”亲密指数” 计算方式：重叠面积 ÷ 合并后的总面积 通过阈值判断是否达标（通常0.5为及格线） IoU = \frac{Area(B_{pred} \cap B_{gt})}{Area(B_{pred} \cup B_{gt})} 2.2 预测结果分类 类型 判断标准 现实类比 TP 框的位置正确（IoU≥阈值）且名称正确 正确找到朋友并叫对名字 FP 框的位置错误 或 名称错误 认错人 或 把路 ...

相信不少的同学都遇到过一个很麻烦的事情——实验室用的服务器只有连上实验室的内网后才能使用，一旦外出开impart或者回家后，就不能进入实验室的服务器继续玩耍（卷）了。这个时候怎么办呢？如果你没有一个公网服务器又不想花钱，cpolar是你的最佳选择，但是如果你有事情就变得完全不一样了——frp的优雅永不过时。 FRP 项目官网 GitHub 仓库 项目文档 frp是什么？frp 是一个专注于内网穿透的高性能的反向代理应用，支持 TCP、UDP、HTTP、HTTPS 等多种协议。可以将内网服务以安全、便捷的方式通过具有公网 IP 节点的中转暴露到公网。 为什么使用 frp ？通过在具有公网 IP 的节点上部署 frp 服务端，可以轻松地将内网服务穿透到公网，同时提供诸多专业的功能特性，这包括： 客户端服务端通信支持 TCP、KCP 以及 Websocket 等多种协议。 采用 TCP 连接流式复用，在单个连接间承载更多请求，节省连接建立时间。 代理组间的负载均衡。 端口复用，多个服务通过同一个服务端端口暴露。 多个原生支持的客户端插件（静态文件查看，HTTP、SOCK5 代理等），便 ...

鉴于yolov3对于目标识别界的重大开创性，跳过1、2两个版本直接学习yolov3，同时也作为后续版本的基石入门。 主要原理1. YOLOv3的核心思想YOLOv3（You Only Look Once version 3）是一种单阶段目标检测算法，其核心思想是将目标检测问题转化为一个回归问题。与传统的两阶段检测方法（如R-CNN系列）不同，YOLOv3通过单次前向传播直接预测目标的边界框和类别概率，从而实现高效的目标检测。 YOLOv3的主要特点包括： 单次前向传播：输入图像经过一次网络前向传播即可得到检测结果。 多尺度预测：通过不同尺度的特征图检测不同大小的目标。 锚点机制：使用预定义的锚点（anchors）来辅助预测边界框。 2. YOLOv3的网络结构YOLOv3的网络结构可以分为三个部分：Backbone（骨干网络）、Neck（特征融合部分）**和**Head（检测头）。 2.1 Backbone：Darknet-53YOLOv3的骨干网络是Darknet-53，它是一个包含53个卷积层的深度卷积神经网络。Darknet-53借鉴了ResNet的思想，使用了残差连接（ ...