端侧部署

Industio_触觉智能

瑞芯微RK3576开发板部署模型｜端侧Agent工具调用实现拆解大家好，这里是触觉智能，一家专注于瑞芯微RK平台嵌入式方案商。本文分享RK3576开发板Linux系统端侧Agent工具调用实现拆解,对于受限于内存和SDK能力的开发者，这份实战经验很有参考价值。建议收藏。

Industio_触觉智能

瑞芯微RV1126B迷你整机 AI端侧边缘计算盒子规格书参数配置性能说明，触觉智能IPC1126BIDO-IPC1126B-V1采用 Rockchip RV1126B（四核 Cortex-A53 , 主频最高 1.6GHz ）,专为 AI人工智能图像处理，如人脸识别，匝机通道，门禁，机器人，双目摄像头应用而设计。内置2D硬件引擎和显示输出引擎，以最小化CPU负载，满足图像显示需求。内置丰富的外设接口，如SAI、PDM、SPDIF、音频DSM、音频ADC、USB3 OTG、CAN等，可以满足不同的应用开发需求。

大江东去浪淘尽千古风流人物

【SLAM】GenRobot / IO-AI / Scale / Appen 能力对比表（机器人数据与闭环视角）面向 SLAM / 机器人轨迹重建视角的对比表（基于公开官网信息，偏产品能力层，不代表实际交付效果排名）。

大江东去浪淘尽千古风流人物

【VLM】从“评测哲学”和“技术本质”两个层面拆解 robochallenge 任务设计https://robochallenge.cn/home https://robochallenge.cn/leaderboard

大江东去浪淘尽千古风流人物

【VLN】VLN Paradigm Alg：Reinforcement learning 强化学习及其细节（4）强化学习（RL）研究的是智能体如何通过与环境交互，以最大化累积奖励为目标来学习策略。监督学习则是通过标注数据，以最小化损失函数为目标来学习模型。 • RL is about how an agent learn a policy through interaction with the environment by maximizing the rewards • Supervised Learning is about learning a model through labeled data by

大江东去浪淘尽千古风流人物

【VLN】VLN从理论到实践的完整指南VLN-Tutorial本文基于公开学术研究与开源项目整理，聚焦视觉语言导航（Vision-Language Navigation, VLN）的核心理论、技术细节与实践路径。注：本内容不依赖外部链接，基于VLN领域主流研究成果（如R2R, CVDN, M2T等）构建。

大江东去浪淘尽千古风流人物

【LingBot-Depth】深度补全/单目深度估计算法/立体匹配算法【LingBot-Depth】Masked Depth Modeling for Spatial Perception

使用 OpenVINO 本地部署 DeepSeek-R1 量化大模型（第二章：前端交互与后端服务）基于上一章的环境准备和模型转换，本章专注于后端服务器的部署以及前端页面的启动。使用 OpenVINO 本地部署 DeepSeek-R1 量化大模型（第一章：基础概念与模型转换）-CSDN博客https://blog.csdn.net/plmm__/article/details/156192071?spm=1001.2014.3001.5502

LLM端侧部署系列 | 如何将阿里千问大模型Qwen部署到手机上？实战演示(下篇)引言简介编译Android可用的模型转换权重生成配置文件模型编译编译apk修改配置文件绑定android library

我是有底线的