1.基于BEV（Bird's-EyeView）空间建立三维车道线检测模型，降低透视畸变影响。2.复现BEV-LaneDet网络，并实现ApolloSyntheticDataset数据集训练与验证。3.对比3D-LaneNet、Gen-LaneNet等模型性能，分析不同三维建模方式的检测效果。4.使用

1.针对仅具备slide-level标签的病理全扫描图像（WSI），将肿瘤识别任务建模为多实例学习（MIL）问题2.复现并训练DSMIL双流注意力模型，对比其与传统Pooling方法在正样本稀疏场景下的判别行为差异3.在实例特征提取阶段引入SimCLR自监督预训练，用于缓解ImageNet预训练与病

系统支持伺服使能、位置控制、速度控制、电子齿轮配置、回零控制、编码器读取、状态监测及故障处理，实现运动参数配置、实时位置监控及设备运行状态管理，提高设备运行稳定性。

系统支持USB摄像头及深度相机图像采集，结合视觉算法识别目标物体，通过大语言模型完成语义理解及智能问答，并根据识别结果控制机器人完成导航、动作执行及语音播报。同时支持ROS2节点通信、状态发布、设备管理、日志输出及多模块协同运行，实现机器人整体业务流程闭环。

系统支持训练项目管理、故障模拟、驾驶操作考核、成绩评分、振动反馈、UI界面控制、AI智能问答、训练记录查询及数据统计分析等功能，同时支持多训练科目切换、题库管理及设备联动，实现完整的仿真培训业务流程。

当前智能制造、机器视觉、无人机控制、通信信号处理、新能源监测、网络数据采集多领域数字化需求爆发，工业产线质检、交通车辆检测、光伏储能运维、飞行器飞控、高速通信信号优化、网络信息抓取等场景均亟需AI算法与软件配套解决方案。传统单一功能系统通用性差，企业常需多套工具分别处理图像识别、数据采集、设备控制任

Thisprojectprovidesaproduction-readythree-roleintelligentinterviewworkflow(Tech/HR/Boss)andanHROfferAgent.Itautomatesinterviews,scoring,candidateprofi

Pallas是自主研发的分布式小文件存储系统，核心功能模块包括：1）Master/Worker主从架构，支持基于ZooKeeper的Master选举与高可用；2）Namespace（命名空间）与Bucket（桶）两级元数据管理，支持创建、查询、更新、删除及配额（Quota）与QPS限流；3）基于HB

自主设计并实现的端到端时空跨模态深度学习模型,用于作物产量预测。输入多时相卫星6波段影像与无人机RGB影像,在单一网络内融合时序信息、卫星光谱与无人机空间分辨率,从头训练、直接回归产量,推理阶段仅需影像、作物无关。主任务为产量回归,辅以氮含量分类。包含数据预处理、预训练、训练与自测试的完整流程。

基于大语言模型（LLM）和RAG技术的企业级代码合规审查系统，支持手动审查和自动化定时巡检两种模式。核心能力：接收代码diff自动识别硬编码密钥、SQL注入、敏感信息泄露等合规风险；基于Elasticsearch向量数据库进行RAG增强检索，精准匹配企业合规规范；调用阿里云百炼大模型多维度综合判断风