面向考试、可脱离课件阅读的 EE6406《Analytic & Ensemble Machine Learning》中文复习笔记；第一章建立机器学习、解析学习与集成学习的统一框架，并给出闭式解、投票组合和误差分析的完整计算。

面向考试、可脱离课件阅读的 EE6306《Digital Integrated Circuit Design》中文复习笔记，持续整理 MOS 器件理论、CMOS 逻辑、版图、工艺与数字集成电路设计。

面向考试、可脱离课件阅读的 EE6316《Integrated Circuits for AI》中文复习笔记，覆盖 AI 硬件基础、CNN 到加速器映射、SIMD、脉动阵列、量化、稀疏与 LLM 推理。

从模仿学习到强化学习，详解VLA模型的三阶段训练范式和主流RL微调方法：SimpleVLA、VLA-RL、RINF、RL-T，以及奖励函数设计的演进路径。

一、为什么做这件事？ 如果说大语言模型让 AI 学会了"说"，那具身智能（Embodied AI）就是让 AI 学会"做"——它不仅要理解人类语言，还要在物理世界中执行动作。 这件事的难度远超想象。传统的机器人控制依赖精确编程：每个关节角度、每条运动轨迹都需要工程师手动设计。一旦环境发生变化——比如物体位置移动了几厘米，整套程序就可能失效。 模仿学习（Imitation Learning） 提供了一条完全不同的路径：让人先做一遍，机器人看着学。这就像师傅带徒弟——不需要写任何控制代码，只需要"手把手"教它。 本项目的核心目标是：在一个低成本开源机械臂上，实现端到端的视觉-语言-动作（VLA）闭环控制——你只需说一句话，机械臂就能自主完成任务。 二、硬件平台：开源六轴机械臂 SO-101

1. Why Do This? If large language models taught AI to "speak," then Embodied AI teaches AI to "act" — not just to understand human language, but to execute actions in the physical world. The difficulty of this undertaking far exceeds imagination. Traditional robot control relies on

从零搭建云边端三层解耦的多机器人协同系统——用大模型做决策、边缘计算做调度、异构机器人做纯执行。

Building a cloud-edge-end three-layer decoupled multi-robot collaboration system from scratch — using large models for decision-making, edge computing for scheduling, and heterogeneous robots for pure execution.

1 引言 功率半导体器件是现代电能变换系统的核心，广泛应用于电动汽车、新能源发电、轨道交通、工业变频和航空航天等领域。随着第三代宽禁带（Wide Bandgap, WBG）半导体材料——碳化硅（SiC）和氮化镓（GaN）——的快速发展，功率器件的性能边界被不断拓展：更高的结温（200–300 °C）、更快的开关频率（>100 kHz）和更大的功率密度对封装技术提出了前所未有的挑战[1][2]。 功率模块封装需同时满足四大核心功能：芯片固定与保护、电气互联、热管理和环境隔离[3]。其中，封装互联技术直接决定了模块的寄生电感、散热效率和使用寿命，是整个封装体系中最关键的环节之一。传统硅基 IGBT 模块广泛采用的铝键合线与锡基焊料互联方案，在面对 SiC/GaN 器件时已显露出明显不足——键合线失效与焊层疲劳占据了模块失效原因的绝大部分[4][5]。 本文将系统综述功率电子封装互联技术的研究进展，涵盖传统键合线技术、

一、Python 安装 官网下载安装包 按照步骤安装 注意要勾选下面选项 至此Python 安装完毕，可自行选择vs code或者pycharm作为代码编辑器。 在空文件夹里面创建一个main.py文件，用代码解释器打开并键入以下内容 print("Hello world!") 看到正常输出即配置正确。 二、数据格式 1. 程序是如何运行的？ 在我们写代码之前，先花30秒理解一下计算机是如何听懂我们的话的。我们写的代码叫做“源代码”，它需要一个叫做“解释器 (interpreter)”的翻译官，把代码一行一行地翻译成计算机能懂的指令并执行。 2. 万物之始：变量 (Variable) 想象一下，你在整理东西时需要很多箱子，每个箱子上都贴了标签，比如“书”、“玩具”、“衣服”。在编程中，变量就扮演着贴了标签的箱子的角色，用来存放数据。 使用变量非常简单，你只需要给它起个名字，然后用 = 把数据放进去。

必须掌握的公式 没显示出来点点刷新 $$k = Ae^{-\frac{E_a}{RT}}$$ 两点式：$$\ln\left(\frac{k_2}{k_1}\right) = -\frac{E_a}{R} \left(\frac{1}{T_2} - \frac{1}{T_1}\right)$$ $$aA + bB \rightleftharpoons dD + eE \Rightarrow K_c = \frac{[D]^d[E]^e}{[A]^a[B]

具身智能领域最新研究成果报告：2024年末至2025年顶刊顶会综述 引言：具身智能及其研究背景 具身智能（Embodied AI）旨在构建能够与物理世界进行感知、行动和学习互动的智能体，例如机器人。其核心目标是使机器人在复杂、动态的真实环境中自主执行任务，并展现出类似于人类的理解、规划与决策能力 1。这一新兴领域深度融合了计算机视觉、自然语言处理、强化学习和机器人学等前沿学科的最新进展，旨在将人工智能从传统的被动信息处理模式提升至主动的物理世界交互层面 1。 在机器人长期部署的场景中，例如持续数小时乃至数天的运行，如何高效地积累、存储并检索其在部署过程中所感知到的海量历史信息，包括动态事件和非静态物体，对于机器人理解环境、响应用户查询以及执行复杂任务而言至关重要 6。传统的机器人系统在处理长时间跨度的感知数据时面临显著挑战。例如，基于Transformer的模型在处理长视频上下文时计算成本高昂，而如LSTM等状态空间模型可能出现“遗忘”现象，限制了机器人对过去经验进行时空推理的能力 6。因此，开发可扩展、高效的长时程记忆机制，以支持机器人对“看到了什么”、“在哪里发生”、“什么

实验目的 * 实验一：CTS实验平台的应用 * 了解CTS实验平台的基本构成和功能。 * 熟悉CTS实验平台的安装与硬件连接方法。 * 实验二：CloudTesting™ Lab软件的基本操作 * 了解CloudTesting™ Lab软件的操作界面。 * 掌握导入测试程序与保存测试程序的方法。 * 实验三：引脚定义 * 掌握芯片引脚与测试机通道之间的对应关系。 * 掌握定义引脚与测试机通道关联的方法。 * 掌握引脚文件和引脚组的导入与导出方法。 * 实验四：连接性测试 * 掌握连接性测试（Open-Short Test）的原理。 * 掌握在CTS Lab中新建测试项目的方法。 * 掌握测试项目的调试方式。 * 实验五：功能测试 (Functional Test) * 理解功能测试的方法和原理。 * 掌握在CTS Lab中进行功能测试的配置与执行。 * 使用Pattern Viewer工具进行调试。 实验流程 实验一：CTS实验平台的应用 1. 了解CX1000P测试工作站接口：参考实验

你是否遇到过这些场景？ * PPT大段外语，根本get不到重点🥲 * 老师只会念PPT/全程讲外语/说话太小声/口音很重，上课体验不佳😴 * 但是考试却以PPT为主😭 最近我开发了一个小工具 PPT-Study-Agent，用视觉语言模型(VLM)帮你自动化处理PPT学习。欢迎来GitHub看看： ➡️ 项目地址：https://github.com/Alan1112223331/PPT-Study-Agent ⬅️ 功能亮点 * 多格式支持：.ppt/.pptx/.pdf 直接读取 * AI讲解与翻译：解析文字、图表与排版逻辑 * 上下文关联：跨页追踪概念演进 * 进度可视化：实时显示处理状态 适合人群 * 需要处理外文课件的各类人群 项目持续迭代中，欢迎Star/Issue/PR ✨ TODO * 完成公式显示的支持 * 优化文件保存系统 * 添加多用户管理系统