77390-201-26

在自动驾驶的感知系统中，毫米波雷凭借其全天候工作的特性，让它在雨雪雾霾等恶劣天气下依然能够稳健地测量障碍物的距离和速度。然而，在一些讨论毫米波雷达的话题中，有一个话题比较有意思，那就是毫米波雷达无法识别到行人，那这个说法准确吗？ 行人为何成了雷达眼里的隐形人？ 要理解毫米波雷达是否可以探测到行人，首先要了解一个概念，那就是雷达散射截面（RCS）。简单来说，RCS衡量的是一个物体反...[详细]

深圳市弘毅云佳科技有限公司(Holyiot)Inkcard-A1 集成高性能 nRF54L15 系统级芯片，实现高实时性的门禁控制与身份验证 挪威奥斯陆 – 2026年4月9日 – 高科技无线产品开发商深圳市弘毅云佳科技有限公司(Shenzhen Holyiot Technology Co., Ltd.) 近日推出一款基于蓝牙低功耗(Bluetooth ® LE)的电子墨水智能胸卡，面...[详细]

在智能家居安全生态系统的演进过程中，准入控制技术的革新一直处于核心地位。目前使用蓝牙、Wi-Fi和NFC等无线技术的智能门锁存在一些实际问题，它们的局限性源于这些技术的固有特性。 UWB（Ultra-Wideband，超宽带）无线通信具有先端的位置检测性能和高安全性，根据2025 年新的行业趋势和市场反馈，该技术在智能门锁领域的应用正处于从“高端尝鲜”向“规模化落地”跨越的关键期。 UWB ...[详细]

当使用 Pinocchio 机器人动力学库时，有时会遇到导入 CasADi 失败的问题。这通常是由于依赖项或编译配置不当引起的。本文将提供一个完整的源码编译教程，帮助您一步步解决此问题，确保 Pinocchio 顺利集成 CasADi。 本教程基于虚拟环境（如 uv 或 conda）进行安装，避免系统环境冲突。首先，确保您已进入虚拟环境： source .venv/bin/activ...[详细]

4月8日，曙光数创在“液冷聚能·智算向新”2026战略发布会上，正式发布全球首个MW级相变浸没液冷整机柜及其基础设施整体解决方案（C8000 V3.0）。 中国科学院院士、河南大学校长张锁江在会上指出，在AI算力的强劲驱动下，智算中心的发展已不可逆转地迈入“兆瓦级时代”，这已非未来概率，而是正在发生的现实。面对这一变革，亟需在突破芯片效能的同时，攻克高效散热难题，推动相变冷却液与冷却系统的迭...[详细]

此合集基于我调试RK3588平台时的原始笔记整理，仅保留了实际遭遇问题并踩过坑的部分，而删除了所有未出现问题的内容。文章框架如图所示，其中“调试过程”章节因记录了调试中的难点而较为有趣，其他章节则相对次要。 其中，“ 调试过程 ”章节可能有点意思（记录了我踩过的坑），其他章节无关紧要。 硬件设计 软件配置 ETH0 (eth1) ETH1 (eth0) 调试过程...[详细]

这是一个空的段落。 在开发与测试中，稳定、精确的测试生成是一项常见且关键的需求。传统方法依赖于实时计算并搬运数据，这会持续占用资源，增加系统功耗，并可能影响主程序的实时性。为解决这一问题，本文介绍一种利用RA2L1（）的 、DTC 和 AGT 三个外设模块协同工作的解决方案。该方案能够以极低的CPU参与度，高效生成正弦波、三角波等多种标准波形，为需要信号输出的应用提供了一种高性能、低功耗的设计范...[详细]

MuJoCo关节角速度记录与可视化：监控机械臂运动状态 关节空间的轨迹优化，实际上是对于角速度起到加减速规划的控制，故一般来说具有该效果的速度变化会显得丝滑一些，不会那么生硬，这里我们结合评论区的疑问，将关节速度进行记录及可视化，可以比较直观的看到关节速度，下面通过两种方式计算关节速度： 1. 手动计算关节速度，其中timestep为仿真步长 calc_qvel = (self.last_q...[详细]

全球领先存储解决方案制造商铠侠在近期参展了CFMS | MemoryS 2026， 携全新的第九代与第十代BiCS FLASH™核心技术、企业级/ 数据中心级SSD产品以及针对AI计算优化的前沿技术亮相现场。 在现场，铠侠SSD首席技术执行官福田浩一发表了《高性能、大容量——打造AI智存时代双引擎》重要主题演讲，全方位展示铠侠在AI存储领域做出的技术沉淀与创新成果。福田浩一表示：“铠侠...[详细]

问题现象 在使用STM32G030微控制器时，GPIO PA12配置为外部中断输入，用于触发LCD菜单选择功能。但出现了异常中断现象：每10秒左右就会发生1-3次中断，其中至少一次中断发生时间不固定，影响了系统稳定性。 原因猜测 GPIO PA12设置为上拉输入模式，通过按钮将引脚接地以产生下降沿中断。初步分析认为，由于内部上拉电阻较大（约10kΩ），且引脚未外接电容进行降噪处理，可能导致引脚在...[详细]

随着铠侠陆续向客户提供UFS 5.0评估样品， 移动端跨入UFS 5.0时代不过是时间的问UFS 5.0相比UFS 4.0题 。和UFS 4.1拥有非常明显的优势，其传输速度可达10.8GB/s，是UFS 4.1 4.64GB/s的两倍以上，让移动端可以轻而易举跨入10GB/s的传输速率大关，与PC端的PCIe 5.0 SSD速度看齐。 更快的传输速率势必带来更好的体验，同时也让端侧AI（O...[详细]

3月30日晚间，摩尔线程（688795）智能科技(北京)股份有限公司（简称“摩尔线程”）披露重大合同公告，公司于近日与某客户签订了产品销售协议（以下简称“合同”），合同标的为摩尔线程夸娥（KUAE）智算集群，合同总价款为6.6亿元。 摩尔线程（688795）称，本次签订合同属于公司日常经营行为。若本合同顺利履行，预计将对公司的经营业绩产生积极影响，公司将根据合同的相关规定以及公司收入确认原则...[详细]

在人工智能技术的发展进程中，大模型以惊人的泛化能力和逻辑推理水平，正改变着自动驾驶的技术路径。过去，自动驾驶系统主要依赖于人工规则和模块化设计，这种方式虽然在受控环境下表现稳定，但在面对复杂多变的城市道路场景和长尾场景时，就显得捉襟见肘。 随着深度学习技术的演进，基于Transformer架构的大规模神经网络开始在感知、预测与规划任务中占据主导地位，展现出处理复杂交互和理解驾驶环境的巨大潜力...[详细]

YOLOv12训练完成后，如何评估模型效果？本文将介绍评估训练结果的关键步骤，并分享使用best.pt模型进行实测的经验。 训练完成后的模型权重文件通常保存在run/train/exp/weights路径下，其中best.pt是最佳模型文件。 评估训练结果时，可以查看各种维度的曲线图，包括bounding box损失、分类损失和平均精度等。理想情况下，这些曲线应逐渐收敛到较小值，且训练集和验证集...[详细]

Jetson GPU Burn烤机测试与PTX编程详解 视频讲解：又见PTX，烤机神器Jetson GPU Burn实测（详细内容请参考原帖视频讲解部分）。 Jetson核心板测试GPU的应用程序需要考虑多程序占用GPU时的影响及GPU满负荷时温度的变化，这直接影响硬件、功耗和散热设计。以下介绍一个用于GPU烤机的实用程序。 GPU烤机程序安装与运行 通过以下命令克隆并编译Jetson GPU ...[详细]