git标签_DAMO开发者矩阵

git

第280篇系统调试方法论——机器人出问题时你怎么排查

文章摘要：本文系统介绍了机器人系统调试的方法论，分为四个核心维度：1.分层排查法（硬件层→应用层逐步排查）；2.建立多级日志与实时监控体系；3.使用二分法快速定位问题模块/时段；4.构建可复现场景和回归测试机制。针对偶发性崩溃、跨层问题等复杂场景，提出数据回放、内存检测等实用技巧，并给出ROS2环境下的具体命令示例。文章强调调试思维比解决问题本身更重要，面试时应重点展示系统化的排查逻辑而非单纯陈述

 郑伟强dev
18小时前

 9

#机器人 #代码规范 #github +4
第279篇系统集成实战——从模块开发到完整产品上线

本文探讨了机器人系统集成过程中的关键挑战与解决方案。文章指出，系统集成是将独立模块转化为可销售产品的分水岭，重点分析了四个核心问题：1）建议采用分阶段集成策略，从最小系统逐步扩展功能；2）强调接口管理的重要性，需明确定义数据格式、坐标系和时序要求；3）揭示时序同步的隐形风险，提出硬件/软件同步方案；4）剖析资源争抢问题，给出CPU、内存、网络优化建议。文章还总结了集成阶段80%的bug来源，并提供

 郑伟强dev
18小时前

 56

 1

#机器人 #代码规范 #github +4
第276篇多机器人路径协调——冲突避免和死锁处理

本文深入探讨了多机器人系统中的路径协调问题，分析了路径冲突的三种类型（顶点冲突、边冲突、追尾冲突），并介绍了三种解决方案：集中式的CBS算法（保证全局最优但计算量大）、分布式优先级规划（计算快但可能次优）以及工程中常用的分组折中方案。文章还详细讨论了死锁检测与解除策略，包括简单死锁处理和复杂场景下的集中式管理方案。最后针对实际应用场景，提供了面试常见问题的专业解答，并指出路径协调是多机器人系统效率

 郑伟强dev
18小时前

 113

 3

#机器人 #代码规范 #github +4
第274篇任务调度与编排——多任务机器人的执行管理

本文探讨了机器人任务调度的核心问题与方法。主要内容包括：1）任务调度的三大核心问题：优先级判定、资源竞争协调和任务依赖管理；2）基础任务队列与优先级调度方案，以及动态优先级调整的实现；3）抢占式调度中任务中断处理策略；4）DAG任务编排框架处理复杂依赖关系；5）行为树与任务调度的层级关系，前者解决"怎么做"，后者决定"做什么"。文章还提供了相关代码示例和常见面试问题解答，为构建完整的多任务机器人系

 郑伟强dev
18小时前

 119

 1

#机器人 #代码规范 #github +4
第273篇行为树vs状态机——为什么行业在迁移

本文对比了行为树与状态机在机器人行为逻辑组织中的差异。状态机在状态增多时面临状态爆炸、条件分散和调试困难等问题，而行为树通过模块化设计、条件集中管理和树状结构天然解决了这些痛点。关键区别在于：行为树采用轮询机制实现反应式执行，新增行为只需添加节点，无需全局修改转移关系。实际工程中常采用分层架构——行为树负责顶层决策，状态机处理底层模块。文章指出状态机在简单场景仍有优势，面试时应结合具体差异分析适用

 郑伟强dev
18小时前

 286

 3

#机器人 #代码规范 #github +4
第272篇行为树设计模式——机器人任务管理的最佳实践

本文讲解 Nav2 行为树八大实战设计模式，包含反应式序列、记忆序列、优先级选择、并行调度、强制成功、故障恢复与子树复用等。适配导航动态决策、安全避障、异常重试等场景，是机器人任务编排的核心工程方案。

郑伟强dev
18小时前

 221

 1

#设计模式 #机器人 #代码规范 +4
第271篇行为树基础——序列/选择/装饰/并行节点

局部规划器选型聊完了，DWA、TEB、MPC三种方案的特点和适用场景应该清楚了。从这篇开始，我们进入行为树系列。Nav2用行为树来编排整个导航流程，行为树在机器人任务管理领域已经成了标配方案。面试问到Nav2架构，行为树是绕不开的话题。行为树（Behavior Tree，简称BT）听起来很高大上，但核心概念其实很简单。它就是用一棵树来组织机器人的行为逻辑，树的每个节点负责一小块任务，节点之间通过固

 郑伟强dev
18小时前

 289

 2

#机器人 #代码规范 #github +4
第270篇局部规划器选型——DWA/TEB/MPC的实测对比

Nav2 主流局部规划器包含 DWB、TEB、MPC 三类。DWB 基于速度空间采样，运算快、易调参，适配算力有限设备；TEB 依托图优化迭代时空轨迹，路径平滑、适配异形机器人；MPC 基于模型预测滚动优化，控制精度最高但算力开销大、调参复杂，可按需选型适配场景。

郑伟强dev
1天前

 21

#python #开发语言 #机器人 +4
第267篇代价地图原理——机器人“眼中“的世界长什么样

本文详解 Nav2 代价地图原理，其由静态层、障碍物层与膨胀层叠加构成，依托膨胀机制预留安全通行距离。采用滚动窗口降低计算开销，支持体素层实现三维障碍物检测。结合坐标变换完成数据融合，区分全局与局部地图，同时解答相关面试高频问题。

郑伟强dev
1天前

 130

 3

#机器人 #代码规范 #github +4
第262篇语义SLAM——给地图加上“这是什么“的标签

本文介绍了语义SLAM的核心概念与技术路线。传统SLAM仅构建几何地图，而语义SLAM通过融合语义信息（如物体类别）实现环境理解，其优势包括：区分动静物体、优化回环检测、提升数据关联。文章详细阐述了三种语义地图表示方法（物体级、像素级、栅格级）和三种语义标注技术（视觉、激光、多模态）。重点分析了物体级SLAM的创新性——将语义物体作为地标进行联合优化。最后探讨了语义SLAM面临的实时性挑战，并指出

 郑伟强dev
1天前

 186

 4

#机器人 #c++#算法 +4
第261篇多传感器融合SLAM——视觉+激光+IMU的组合方案

摘要：多传感器融合SLAM通过结合不同传感器的优势提升性能，已成为自动驾驶和机器人的标配技术。主流方案包括视觉+IMU(VIO)、激光+IMU(LIO)以及三传感器融合。VIO采用滤波或图优化框架，IMU预积分是关键；LIO利用IMU去除激光雷达运动畸变，FAST-LIO通过IEKF实现高效融合。三融合系统通过因子图整合各类传感器数据，适应性更强。时间同步与外参标定是工程实现的核心难点。实际应用中

 郑伟强dev
1天前

 302

 3

#机器人 #c++#算法 +4
第260篇重定位技术——机器人在已知地图中重新定位

文章摘要：机器人重定位技术是解决系统启动或异常恢复后“我在哪”问题的关键，与SLAM的连续定位不同，需在未知位置下全局搜索。视觉SLAM常用词袋模型匹配关键帧（如ORB-SLAM2），激光SLAM采用多初始值ICP/NDT或分支定界加速（如Cartographer）。蒙特卡洛定位（MCL）通过粒子滤波处理多模态分布，AMCL则动态调整粒子数量。工程中常分“粗定位+精定位”两阶段，先快速缩小范围再

 郑伟强dev
2026-08-25 04:10:13

 27

#机器人 #c++#算法 +4
第259篇大规模地图管理——子地图、分层地图和地图压缩

大规模SLAM系统面临内存、计算和回环检测的瓶颈，子地图策略（如Cartographer）通过将地图分割为子地图（60-120帧/个）来优化资源管理。分层地图结构（全局拓扑-子地图-原始数据）实现按需加载，结合体素下采样压缩点云（0.1米分辨率可压缩10-20倍），支持增量序列化存储。八叉树可自适应分辨率节省内存，多机器人建图需解决坐标系对齐和重叠融合问题。这些技术组合使SLAM能处理城市级场景，

郑伟强dev
2026-08-25 04:09:24

 131

#机器人 #c++#算法 +4
第252篇 Cartographer深度解析——Google出品的激光SLAM方案

Cartographer是Google开源的SLAM系统，采用栅格地图匹配而非特征点方法。其核心架构包含前端（局部子图构建+分支定界匹配）和后端（全局SPA优化），通过异步设计实现实时性。系统基于概率栅格匹配，利用对数几率表示和分层搜索策略，适合室内场景但计算量较大。与LOAM相比，Cartographer建图质量更好但更耗资源，对参数敏感且硬件要求高。该方案特别展示了栅格匹配在SLAM中的工程实

 郑伟强dev
2026-08-25 04:04:32

 360

 7

#机器人 #c++#算法 +4
第236篇 SLAM概述——同步定位与建图到底在解决什么问题

摘要：SLAM（同步定位与建图）是机器人自主导航的核心技术，解决"鸡生蛋"问题——机器人需同时确定自身位置并构建环境地图。文章解析SLAM的数学本质（运动与观测方程）、两大技术路线（滤波与优化）及传感器选择（视觉/激光/IMU），并给出面试应对策略（理解核心问题、技术框架与经典系统）。典型应用包括自动驾驶、无人机巡检等。学习建议从数学基础到经典系统源码，推荐《视觉SLAM十四讲

 郑伟强dev
2026-08-22 05:35:40

 146

 1

#算法 #人工智能 #github +4
第232篇运动学约束规划——速度/加速度/加加速度限制的处理

本文系统探讨了机器人轨迹规划中速度、加速度和加加速度（jerk）三类运动学约束的处理方法。这些约束分别源于电机转速极限、扭矩限制和传动柔性，直接影响轨迹执行精度。文中分析了四种约束处理策略：事后检查、优化融入、时间最优参数化和约束感知采样，并指出工程中常组合使用。特别强调加速度约束的动态性、耦合性和非凸性三大难点，以及jerk约束在高速场景下的重要性。最后提供了面试常见问题的应对思路，建议根据场景

 郑伟强dev
2026-08-21 04:28:09

 452

 13

#算法 #人工智能 #github +4
第231篇碰撞检测算法——GJK/EPA和包围盒方法

本文系统介绍了机器人运动规划中的碰撞检测技术。首先指出碰撞检测是规划算法中最耗时的部分，其效率直接影响整体性能。然后分三个层次展开：1）包围盒方法（AABB/OBB/球体）用于快速粗筛；2）GJK算法通过计算闵可夫斯基差实现凸体精确碰撞检测；3）EPA算法用于计算碰撞深度。文章还介绍了工程实践中常用的开源库（FCL、Bullet等）和性能优化策略，包括BVH层次树加速和三层检测架构。最后总结了面试

 郑伟强dev
2026-08-21 04:27:31

 262

 6

#算法 #人工智能 #github +4
第229篇轨迹时间参数化——TOPP-RA和速度约束处理

本文介绍了时间最优路径参数化(TOPP)问题及其解法。TOPP研究如何在给定空间路径上分配时间，使机器人运动时间最短且不超速，需满足速度、加速度和力矩约束。经典解法采用相平面法，通过前向和后向扫描确定最优速度曲线。TOPP-RA改进了数值稳定性，支持多约束处理。文章对比了TOPP与轨迹优化的区别，列举了开源工具，并解答了面试常见问题，指出TOPP广泛应用于机械臂、AGV等领域。TOPP不改变路径形

 郑伟强dev
2026-08-21 04:26:07

 281

 7

#人工智能 #python #面试 +4
第222篇势场法——经典但仍有生命力的局部规划方法

摘要：势场法（Potential Field）是一种经典的局部路径规划算法，由Khatib于1986年提出。其核心思想是目标点产生引力，障碍物产生斥力，机器人沿合力方向运动。优势在于计算速度快（每个周期仅需一次矢量和），劣势包括局部最小值、狭窄通道振荡和目标不可达。工程中常结合全局规划器或改进策略（如随机扰动、虚拟子目标）使用。势场法思想影响深远，可见于DWA、TEB等算法及深度强化学习的奖励设

 郑伟强dev
2026-08-20 05:26:34

 142

#python #面试 #机器人 +4
第221篇 Lattice Planner——基于状态格子的局部规划

LatticePlanner是一种基于状态格离散化的局部路径规划方法，将机器人的位姿空间(x,y,θ)离散化为状态格子，通过预计算运动基元（满足运动学约束的轨迹片段）和A搜索实现路径规划。其核心优势在于天然满足运动学约束且具有可预测性，但存在离散化误差和状态维度爆炸问题。该方法起源于自动驾驶领域（如Stanford的Junior），现仍广泛应用于低速场景的移动机器人系统。与DWA在速度空间采样不同

 郑伟强dev
2026-08-20 05:25:31

 187

 5

#python #面试 #机器人 +4
第219篇 DWA动态窗口法——移动机器人的局部避障

本文介绍了移动机器人局部规划中的经典算法DWA（动态窗口法）。该方法在每个控制周期根据当前速度计算可行速度范围（动态窗口），采样并评估多组速度命令，通过三个评价函数（朝向目标、速度、避障）加权选择最优速度。文章详细解析了DWA的核心流程、评价函数设计、工程实现细节（采样分辨率、仿真时间、机器人模型适配等），对比了其与势场法、TEB的区别，并分析了优缺点（计算快但易陷局部最优）。DWA是工业界广泛应

 郑伟强dev
2026-08-20 05:24:03

 296

 5

#面试 #机器人 #python +4
第216篇 Informed RRT*——用启发式信息加速收敛

InformedRRT算法是RRT的改进版本，通过椭球采样策略显著提升路径优化效率。该算法在找到初始路径后，将采样范围限制在起点和终点为焦点、当前最优路径长度为长轴的椭球内，确保只有可能改善路径的点被采样。相比RRT*的全局均匀采样，这种方法在2D空间能提速5-10倍，高维空间效果更明显。实现时需注意初始路径质量和狭窄通道等特殊情况。该算法已集成到OMPL等主流规划库，广泛应用于机器人路径规划领域

 郑伟强dev
2026-08-20 05:21:59

 341

 10

#python #面试 #机器人 +4
第212篇 D* Lite算法——动态环境中的增量路径规划

D* Lite是一种高效的增量式路径规划算法，针对动态环境优化。相比传统A*算法，它通过维护g值（起点距离估计）和rhs值（一步前瞻距离）实现局部更新，在环境变化时仅需调整受影响节点，避免全局重新搜索，效率提升可达30倍。该算法采用反向搜索策略以适应移动机器人起点变化的特点，广泛应用于仓储AGV等场景。核心优势在于环境微变时快速响应，但实现复杂度较高且在环境剧变时可能失效。理解其一致性维护机制和增

 郑伟强dev
2026-08-19 04:29:09

 135

 1

#算法 #python #面试 +4
第211篇 A算法变体——Weighted A/ARA*/D*的工程应用

本文介绍了A算法的三个重要变体及其应用场景：Weighted A通过增大启发式权重牺牲最优性换取速度，适用于静态环境中快速求可行解；ARA采用动态权重逐步优化，适合有时间限制的渐进式求解；DLite通过反向搜索和增量更新实现动态环境的高效路径规划，是移动机器人导航的标配算法。文章对比了各变体的核心思想、实现方式和适用条件，并提供了工程选型建议：静态环境用A*/Weighted A*，动态环境用DL

郑伟强dev
2026-08-19 04:28:36

 301

 4

#算法 #python #面试 +4
第209篇 A*算法详解——启发式搜索的原理和最优性证明

A算法是Dijkstra算法的改进版，通过引入启发式函数h(n)来引导搜索方向，大幅提升路径规划效率。其核心评估函数f(n)=g(n)+h(n)兼顾实际代价和预估代价，当h(n)满足可采纳性（不高估真实代价）时能保证找到最优路径。曼哈顿距离、欧几里得距离等常用启发式函数可根据场景选择，优质启发式能使搜索效率提升数十倍。文章详解了A的工作原理、最优性证明、工程实现要点及面试常见问题，是机器人路径规划

 郑伟强dev
2026-08-19 04:26:55

 309

 8

#算法 #python #面试 +4
第208篇 Dijkstra算法——最短路径的经典解法

Dijkstra算法是经典的图搜索算法，用于在带权图中找到起点到所有节点的最短路径。其核心思想是贪心策略，通过优先队列每次处理距离起点最近的节点，并更新邻居的距离值。算法保证在非负权图中找到最优解，时间复杂度为O((V+E)logV)。文章还介绍了Dijkstra在机器人路径规划中的应用（如2D网格距离场计算），并分析了其局限性（盲目搜索导致效率低），为后续A*算法做铺垫。最后提供了常见的面试问题

 郑伟强dev
2026-08-19 04:26:16

 364

 2

#算法 #python #面试 +4
第160篇编码器应用——测速、测距和闭环控制中的使用

本文介绍了编码器在实际项目中的应用方法，包括测速测距、闭环控制以及里程计实现。重点讲解了从脉冲计数到物理量的转换公式、差速里程计的核心代码实现、编码器参数的标定方法（轮径和轮距校准）、数据滤波处理技巧。文章还针对面试场景提供了技术回答框架，包括速度估计方法、PID控制应用、IMU融合方案等。最后指出工业应用中的可靠性设计要点，如双编码器冗余、防振安装等，并预告下篇将探讨力/力矩传感器技术。全文包含

 郑伟强dev
2026-08-07 03:48:20

 95

 1

#数据结构 #python #list +4
第159篇编码器原理——增量式和绝对式的区别与选型

本文系统介绍了机器人领域常用的编码器技术，重点解析了增量式和绝对式编码器的工作原理、选型要点及工程应用注意事项。文章从传感器核心功能出发，详细对比了两类编码器的信号输出特性（脉冲计数vs绝对位置读取）和典型参数（分辨率、精度等），深入分析了机械安装误差来源（同轴度、齿轮间隙等）及其解决方案。在选型指南部分，作者提出精度需求、断电恢复、成本、通信接口四维评估框架，并分享了实际工程中信号干扰排查案例。

郑伟强dev
2026-08-07 03:47:43

 150

 4

#数据结构 #python #list +4
第158篇 IMU数据预处理——滤波、补偿和对齐

本文详细介绍了IMU数据预处理的完整流程，包括零偏补偿、温度补偿、滤波处理等关键步骤。作者通过代码示例展示了陀螺仪和加速度计的零偏校准方法，并强调温度补偿在高精度应用中的必要性。文章还提供了面试应答技巧，建议按零偏补偿、温度补偿、滤波处理等顺序回答相关问题，并深入探讨了零偏在线估计、滤波器延迟处理等进阶问题。最后分享了实际项目中的调试经验，通过零偏校准和在线估计将机器人偏航角漂移从17度降到2度以

 郑伟强dev
2026-08-07 03:46:26

 149

 3

#数据结构 #python #list +4
第156篇 IMU工作原理——加速度计和陀螺仪的物理基础

本文介绍了IMU（惯性测量单元）的核心知识，包括其组成（加速度计、陀螺仪、磁力计）、工作原理及数据处理要点。重点阐述了加速度计测量比力的原理，强调需区分重力与运动加速度，并指出实际应用中常见的坐标系约定、振动干扰、量程选择和采样率匹配等问题。文章还提供了面试应答策略，建议从IMU组成、传感器原理到误差来源逐步展开，并分享了零偏校准的实战经验。最后预告将深入讲解IMU误差模型及校准方法。全文涵盖IM

郑伟强dev
2026-08-07 03:45:23

 131

 1

#数据结构 #python #list +4
第138篇 MoveIt2进阶——场景配置、约束规划和拾取放置

本文介绍了MoveIt2在仓储拣选机器人中的高级应用技巧。首先分析了面试中常见的拾取放置（Pick and Place）流程问题，指出约束规划、PlanningScene动态维护等关键技术难点。重点讲解了方向约束的实现方法，以及如何通过PlanningSceneInterface实现视觉系统联动。文章详细拆解了完整的拾取放置七步流程，包括笛卡尔路径规划的应用场景和注意事项。最后提供了常见问题排查思

 郑伟强dev
2026-08-03 04:50:21

 508

 12

#算法 #人工智能 #python +4
第135篇 ros2_control框架——机器人硬件抽象的标准方案

本文深入解析了ROS2中的ros2_control框架架构与应用。文章首先通过面试场景引出ros2_control的重要性，随后详细阐述其三层架构设计：硬件接口层(HardwareInterface)、控制器管理层(ControllerManager)和控制算法层(Controller)。重点讲解了如何实现自定义硬件接口、控制器管理器的调度机制、常用控制器类型及实时性优化方法。通过与ROS1的ro

郑伟强dev
2026-08-03 04:46:50

 248

 6

#机器人 #算法 #人工智能 +4
第203篇力位混合控制——工业接触任务的控制方案

文章摘要：力位混合控制解决了工业机器人同时需要精确位置跟踪和接触力控制的需求。通过选择矩阵将笛卡尔空间划分为位置控制区和力控制区，在不同方向分别采用位置PID和力PID控制。核心在于约束坐标系的定义，典型应用包括轴孔装配、曲面打磨等法向力控+切向位控场景。与阻抗控制相比，力位混合更适合方向明确的任务，但需要预先确定环境几何特性。文章还提供了控制架构实现代码和调试建议，并对比了相关面试问题的解答思路

 郑伟强dev
2026-08-18 05:03:00

 137

 3

#python #数据分析 #算法 +4
第201篇阻抗控制——让机械臂“温柔“地与环境交互

本文探讨了机器人控制中的阻抗控制方法，特别适用于机器人与环境交互的场景（如拧螺丝、装配等）。传统的位置/力切换控制存在冲击问题，而阻抗控制通过模拟"弹簧-阻尼-质量"系统来柔顺响应外力。文章对比了阻抗控制与导纳控制的实现路径，分析了刚度、阻尼和惯性参数的调参策略，并提供了导纳控制的Python代码示例。阻抗控制使机器人能安全与人协作，是协作机器人领域的核心技术。文中还包含常见面

 郑伟强dev
2026-08-18 05:02:02

 333

 5

#交互 #python #算法 +4
第199篇非线性控制基础——Lyapunov稳定性分析

本文介绍了非线性控制的核心工具——Lyapunov稳定性分析方法。主要内容包括：1）定义了Lyapunov稳定性的三种级别（稳定、渐近稳定、指数稳定）；2）阐述了Lyapunov直接法的原理，通过构造能量函数V(x)证明系统稳定性；3）讲解了Lyapunov函数的选择技巧，包括二次型、能量函数和backstepping构造法；4）展示了如何基于Lyapunov方法设计控制器；5）提供了Python

郑伟强dev
2026-08-18 05:01:04

 287

 8

#人工智能 #算法 #机器学习 +4
第195篇 MPC约束处理——输入/状态/输出约束的工程实现

本文深入解析了模型预测控制（MPC）中的约束处理问题。首先将约束分为输入、状态和输出三大类，指出输入约束最易实现（如电机力矩限制），状态约束最复杂（需考虑可观性、可行性与稳定性冲突），输出约束本质是前两者的组合。文章通过四足机器人案例说明漏掉约束的严重后果，并给出带软约束和不可行检测的Python代码示例。最后提出三大工程经验：约束优先级管理、精简约束数量、不可行应急处理。全文强调MPC约束处理既

 郑伟强dev
2026-08-17 00:15:43

 138

 3

#python #算法 #人工智能 +4
第182篇 PID控制原理——P/I/D三项各自的物理意义

本文系统介绍了PID控制器的核心原理与工程实践。PID由比例（P）、积分（I）、微分（D）三项组成：P项提供即时纠正力但存在稳态误差；I项通过累积历史偏差消除稳态误差，但可能引起振荡；D项预测偏差趋势抑制超调，但对噪声敏感。文章通过代码示例阐释了三项的物理意义和相互作用，并给出调参建议：按P→D→I顺序调试，P调响应速度，D调稳定性，I调精度，同时强调积分限幅的重要性。PID作为工业界90%控制回

 郑伟强dev
2026-08-16 08:07:07

 104

 2

#python #机器人 #c++ +4
第178篇系统建模——从物理方程到数学模型

本文介绍了控制系统建模的重要性与方法。文章指出，在控制器设计前必须建立被控对象的数学模型，通过实例说明建模能显著提高调试效率。作者以弹簧-质量-阻尼系统为例，演示了如何从牛顿定律推导微分方程，并转化为状态空间表示。强调工程建模应"抓主要矛盾"，模型够用即可，无需追求完美。对于复杂系统，建议采用系统辨识方法。文中还分享了机器人运动学建模的实战经验，提出渐进式建模的工程思维。最后预

 郑伟强dev
2026-08-16 08:06:17

 160

 5

#python #机器人 #c++ +4
第176篇控制理论概览——经典控制vs现代控制vs智能控制

本文介绍了控制理论的三大流派及其应用场景：经典控制（如PID）适用于单输入单输出系统，现代控制（状态空间法）擅长处理多变量耦合系统，智能控制（强化学习等）适合模型不确定的复杂环境。作者强调三者并非替代关系，而是互补共存，并建议面试时重点准备PID调参等实战经验，同时区分控制理论与SLAM的不同定位。文章指出控制理论是机器人领域的核心知识，深入理解将显著提升面试竞争力。

郑伟强dev
2026-08-16 08:05:51

 235

 7

#算法 #python #机器人 +4
第169篇粒子滤波——用撒豆子的思路解决非线性非高斯定位

本文介绍了粒子滤波（Particle Filter）的原理及应用场景。与UKF不同，粒子滤波不假设状态分布为高斯分布，而是通过大量随机采样粒子来近似任意分布，特别适用于多模态问题（如机器人全局定位）。其核心流程包括预测、更新和重采样三个步骤，其中重采样策略需谨慎处理以避免粒子枯竭问题。文章对比了粒子滤波与卡尔曼滤波家族的优缺点，建议根据具体场景选择：线性单峰用卡尔曼滤波，非线性单峰用EKF/UKF

郑伟强dev
2026-08-15 05:37:29

 18

#人工智能 #数据结构 #python +4
第28篇异常处理try/catch：面试官问“机器人程序崩了怎么办“，我这样答直接加分

本文探讨了C++异常处理在机器人开发中的应用与最佳实践。文章首先通过激光雷达断连的实例，说明异常处理的核心价值是确保程序在出错时保持可控状态而非直接崩溃。详细解析了try/catch语法要点、异常类继承体系（特别是runtime_error与logic_error的区别）以及自定义异常的实现方式。重点讨论了异常安全的三个等级（基本保证/强保证/noexcept保证）及其在机器人开发中的选择策略：

郑伟强dev
2026-07-14 06:40:55

 126

 1

#机器人 #算法 #人工智能 +4
第27篇模板类：面试官问我vector底层怎么做到支持任意类型的，我这样答

本文介绍了C++模板类的核心概念和应用场景，重点讲解了模板类的语法结构、实例化机制及特化技术。通过手写简化版动态数组SimpleVector的示例，展示了模板类的基本实现方式。文章还分析了模板类与普通类的区别，解释了静态成员变量的工作方式，并探讨了全特化和偏特化的差异。在机器人开发领域，模板类常用于实现通用数据结构（如点云容器）。面试中，理解STL容器的模板类设计思路、能够手写简单模板类实现是重要

 郑伟强dev
2026-07-14 06:39:57

 80

 1

#算法 #人工智能 #github +4
第25篇友元与运算符重载：面试官问我为什么给friend开了后门，我差点没解释清楚

本文深入探讨了C++中友元与运算符重载这两个争议性特性。友元作为封装机制的例外，提供了三种形式（友元函数、友元类、友元成员函数），在特定场景下能简化代码但可能破坏封装性。运算符重载则能使自定义类型（如机器人开发中的Vector3、Matrix等）使用更直观，常需配合友元实现对称运算。文章还总结了面试常见考点，包括运算符重载的限制规则（如必须通过成员函数重载的运算符）和实用技巧（如重载<&lt

郑伟强dev
2026-07-14 06:39:22

 76

#算法 #人工智能 #github +4
第173篇图像处理基础——滤波、边缘检测和形态学操作

本文重点探讨了传统图像处理在机器人视觉中的核心作用，详细解析了滤波、边缘检测和形态学操作三大基础技术。滤波部分对比了均值滤波、高斯滤波和双边滤波的特点及适用场景；边缘检测深入分析了Sobel算子的局限性和Canny算法的完整流程；形态学操作则系统介绍了腐蚀、膨胀、开闭运算等操作的实际应用。文章强调扎实掌握这些传统算法的重要性，指出它们不仅是深度学习模型的前置处理环节，更是解决实际工业问题的关键工具

 郑伟强dev
2026-08-15 05:39:40

 130

 4

#图像处理 #人工智能 #python +4
第167篇扩展卡尔曼滤波EKF——非线性系统的状态估计

本文介绍了扩展卡尔曼滤波（EKF）的核心原理和应用场景。针对标准卡尔曼滤波无法处理非线性系统的问题，EKF通过在当前估计点进行一阶泰勒展开（雅可比矩阵）来实现线性化。文章详细讲解了EKF的预测-更新流程，并通过机器人定位实例说明非线性函数和雅可比矩阵的计算方法。同时指出EKF在工程应用中的三个常见问题：线性化点偏差、雅可比矩阵计算错误和角度归一化处理，并给出了相应的解决方案。最后提到EKF的局限性

 郑伟强dev
2026-08-15 05:36:17

 320

 6

#数据结构 #python #机器人 +4
第166篇卡尔曼滤波详解——预测更新循环的直觉理解

本文从工程实践角度讲解了卡尔曼滤波的核心思想和实现要点。作者通过蒙眼走路的生动比喻，阐释了预测-更新循环的物理意义，并拆解了预测步和更新步的数学表达。文章特别强调了卡尔曼增益的物理意义（最优权重调节预测与测量的可信度）和工程调参技巧（Q/R矩阵的设置方法），并提供了Python示例代码。最后给出了面试应答策略，建议结合直觉解释、数学表达和工程实践三个层面进行回答。全文以通俗易懂的方式揭示了卡尔曼滤

 郑伟强dev
2026-08-15 05:35:48

 341

 10

#数据结构 #python #机器人 +4
第164篇多传感器时间同步——硬件触发/PTP/软件时间戳的工程实践

文章摘要：本文探讨了多传感器时间同步在机器人系统中的关键作用。通过实际案例分析了时间不同步导致的定位抖动问题，提出了三种同步方案（硬件触发、PTP协议、软件时间戳）及其适用场景。文章详细说明了不同采样率传感器的对齐方法，并给出ROS2中的具体实现示例。针对不同应用场景，分析了时间同步精度要求（如自动驾驶需1ms内），并提供了验证同步效果的实用方法（如旋转测试）。最后介绍了面试中关于时间同步问题的系

 郑伟强dev
2026-08-15 05:34:52

 340

 8

#数据结构 #python #机器人 +3
小米具身智能面试，VLA+行为树能不能造出一个“万能大脑“

小米具身智能算法工程师岗位聚焦 VLA 大模型与行为树融合，构建 “看 - 想 - 动” 闭环系统。VLA 视觉语言动作模型负责开放场景高层决策，行为树处理确定性执行与异常恢复，二者以事件驱动分层协作。多模态输入增强环境理解，通过视觉域适应实现 Sim2Real，模型蒸馏提升端侧效率。落地需解决推理延迟、安全约束与体验问题，当前核心瓶颈为 VLA 泛化能力与实时性。

郑伟强dev
2026-08-11 02:38:35

 218

 6

#面试 #职场和发展 #机器人 +4
第163篇超声波与红外传感器——近距离避障的低成本方案

本文介绍了超声波和红外传感器在机器人应用中的原理、特点及工程实践。超声波传感器通过声波时间差测距，受温度影响需补偿，具有成本低、可测透明物体等优点，但也存在盲区、波束角大等缺点；红外传感器基于光反射，精度高但受环境光干扰。二者在避障系统中常配合使用，形成分层检测。文章详细探讨了传感器安装注意事项、多传感器串扰解决方案、标定方法及面试应答技巧，并以AGV实际案例说明时序设计的重要性，最后预告将讨论多

 郑伟强dev
2026-08-08 06:35:24

 366

 7

#数据结构 #python #机器人 +4