人工智能

本项目包含七大功能模块：1、任务执行引擎：LLM工具调用循环，集成16个工具（计算、时间、GitHub搜索、网页浏览、文档检索、文件读写等），Agent自主规划并执行任务2、知识库问答：RAG混合检索（LLM查询扩展+RRF排名融合），回答带来源引用，有效降低幻觉3、双记忆层：mem0语义记忆（向量

整体主要基于CSL500中文手语数据集进行。结果表明，本文训练的模型在测试集上的识别准确率达到了97.56%，并且大多数类别的识别准确率都在90%以上，整体效果较为稳定。部署测试中，经过量化优化后的模型能够在树莓派平台上实现较稳定的实时推理，基本满足实际运行需求，这验证了该系统在真实场景下具备一定的

这个项目是一套面向AI玩具、陪伴机器人和智能语音硬件的完整平台，主要功能包括：智能语音对话：支持唤醒、录音、VAD、语音识别、LLM对话和语音合成。个性化智能体：可配置角色人设、提示词、模型、工具、记忆和知识库。长期记忆：保存聊天记录，形成用户偏好和长期互动记忆。成长与互动：支持成长进度、任务、奖励

系统包含四大核心模块：1.图像检测模块：基于YOLOv11s模型实现10类水稻害虫实时检测，mAP@0.5达0.8404；2.预警分析模块：集成CropFormer与规则引擎，对虫害等级进行智能评估并推送预警；3.农技咨询模块：本地部署DeepSeek-R1大模型，提供病虫害防治知识问答；4.后台管

小依是一个有虚拟形象的AI情感陪伴助手，具备三大核心能力：长期记忆（通过PostgreSQL+向量检索记住用户的喜好、经历和重要时刻，对话中能主动提起过去的事）、自适应性格（根据每次互动动态调整性格参数，从初识时的谨慎温柔到熟悉后的活泼亲密，千人千面）、多模型路由（智能选择最合适的LLM处理不同强度

项目支持上传或整理PDF、音频等学习资料，并对资料内容进行文本提取、OCR/ASR识别、摘要生成、重点解释和课程材料归档。系统可以根据学习材料生成更易理解的总结内容，辅助用户进行复习、预习和知识点整理。项目部署在RaspberryPi服务器上，目前正在进行过小规模用户测试。

系统划分四大核心功能模块：1.座位预约模块：提供可视化座位地图，支持按楼层、时段筛选预约，可一键取消预约；2.身份签到信誉模块：接入人脸识别签到签退，配套信誉积分体系，违约扣积分、低分限制预约；3.AI违规监管模块：集成YOLOv8图像识别检测占座行为，支持学生违规举报、管理员审核处置；4.数据统计

系统包含五大模块：1）多型号LiDAR统一Capture抽象层，支持禾赛/速腾/Mid360/Fairy/Velodyne等7+型号；2）运动补偿与时间戳处理子模块，统一start_stamp/end_stamp填充与纳秒精度对齐；3）PTC优先+本地dat回退的标定参数加载兜底机制，保障LiDAR

本项目实现了一套面向TC264智能车的在线调参工具，核心功能包括串口Telemetry采集、结构化日志解析、滚动时间窗指标计算和规则化调参建议输出。工具可对车辆运行过程中的yaw_error_rms、yaw_error_peak、roll_peak_to_peak、servo_jitter_rate

1.基于ROS2Humble搭建机器人通信框架，实现多节点分布式开发，支持传感器数据实时采集与传输；2.集成YOLOv8目标检测算法，实现对行人、车辆、障碍物等多类目标的实时识别与跟踪，检测帧率稳定在30FPS以上；3.提供目标坐标输出、ROS话题发布功能，可直接对接机器人导航、避障等上层模块，支持

FPGA数据采集与加速模块：基于Verilog/VHDL开发，负责多路传感器数据的同步采集、硬件滤波及特征提取，确保原始数据在纳秒级完成预处理。高带宽实时通讯接口：采用PCIE或万兆以太网协议，开发了定制化的驱动程序，实现了FPGA硬件缓冲区与Python内存空间的低延迟直连。Python端SAC算

RAFlow是一个桌面端实时语音听写工具，核心功能包括：1）实时语音转写：采集麦克风音频并进行低延迟处理，将语音实时转换为文本；2）全局热键唤醒：支持在任意应用中快速开启/停止听写，无需频繁切换窗口；3）智能文本注入：支持键盘模拟与剪贴板注入策略，将转写结果写入当前焦点输入框；4）系统托盘常驻：后台

多源图像感知模块：支持RK3588硬件端摄像头实时流、网络视频流多源输入，基于YOLOv8轻量化模型完成无人机目标的快速检测与分类，兼顾检测精度与边缘端推理效率；智能轨迹预测模块：集成卡尔曼滤波算法，对检测到的无人机目标进行运动状态建模，精准预测下一帧位置与运动轨迹，解决目标遮挡、帧率波动导致的跟踪