@echo off

setacl MACHINE/SYSTEM/CurrentControlSet/Enum/Root/RDPDR /registry /grant everyone /full>nul

reg add HKEY_LOCAL_MACHINE/SYSTEM/CurrentControlSet/Enum/Root/RDPDR/0000 /v "ClassGUID" /d "{4D36E97D-E325-11CE-BFC1-08002BE10318}" /f>nul

reg add HKEY_LOCAL_MACHINE/SYSTEM/CurrentControlSet/Enum/Root/RDPDR/0000 /v "Class" /d "System" /f>nul

reg add HKEY_LOCAL_MACHINE/SYSTEM/CurrentControlSet/Enum/Root/RDPDR/0000 /v "HardwareID" /t REG_BINARY /d 52004f004f0054005c005200440050004400520000000000 /f>nul

reg add HKEY_LOCAL_MACHINE/SYSTEM/CurrentControlSet/Enum/Root/RDPDR/0000 /v "Driver" /d "{4D36E97D-E325-11CE-BFC1-08002BE10318}//0021" /f>nul

reg add HKEY_LOCAL_MACHINE/SYSTEM/CurrentControlSet/Enum/Root/RDPDR/0000 /v "Mfg" /d "(标准系统设备)" /f>nul

reg add HKEY_LOCAL_MACHINE/SYSTEM/CurrentControlSet/Enum/Root/RDPDR/0000 /v "Service" /d "rdpdr" /f>nul

reg add HKEY_LOCAL_MACHINE/SYSTEM/CurrentControlSet/Enum/Root/RDPDR/0000 /v "DeviceDesc" /d "Terminal Server Device Redirector" /f>nul

reg add HKEY_LOCAL_MACHINE/SYSTEM/CurrentControlSet/Enum/Root/RDPDR/0000 /v "ConfigFlags" /t REG_DWORD /d 0x00000000 /f>nul

reg add HKEY_LOCAL_MACHINE/SYSTEM/CurrentControlSet/Enum/Root/RDPDR/0000 /v "Capabilities" /t REG_DWORD /d 0x00000000 /f>nul

echo 重新启动计算机后生效！

pause

Logo
DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

宇树 Go2 + NaVILA 全栈导航系统详解 (新手入门版)

本文详细介绍了宇树Go2机器人搭配NaVILA全栈导航系统的技术架构与实现方案。系统采用分层设计，包含仿真环境(Go2描述与Gazebo模拟)、底层控制(quadropted_controller)、导航定位(Nav2+Cartographer)和核心VLA(视觉语言动作)模块。重点对比了官方NaVILA方案(依赖高性能GPU)与优化后的轻量化方案(基于llama.cpp的Client-Serve

avatar DAMO开发者矩阵

【路径规划】基于Fast-RRT二维空间移动机器人改进的运动规划器附Matlab复现含文献

移动机器人路径规划旨在解决从起始状态到目标状态在给定空间内创建无碰撞路径的问题，这是无人作业的关键支撑技术。为解决渐近最优快速扩展随机树星形算法（RRT *算法）存在的收敛速度慢、规划效率低及路径成本高等问题，本文提出了一种基于混合采样策略和回溯选择父节点的改进运动规划器（Fast- RRT *算法）。首先，在采样阶段结合目标偏置策略与约束采样以降低采样盲目性；其次，在选择新节点父节点时，通过追溯

avatar DAMO开发者矩阵

【路径规划】基于Fast-RRT二维空间移动机器人改进的运动规划器附Matlab复现含文献

移动机器人路径规划旨在解决从起始状态到目标状态在给定空间内创建无碰撞路径的问题，这是无人作业的关键支撑技术。为解决渐近最优快速扩展随机树星形算法（RRT *算法）存在的收敛速度慢、规划效率低及路径成本高等问题，本文提出了一种基于混合采样策略和回溯选择父节点的改进运动规划器（Fast- RRT *算法）。首先，在采样阶段结合目标偏置策略与约束采样以降低采样盲目性；其次，在选择新节点父节点时，通过追溯

avatar DAMO开发者矩阵