Python

Python是一门诞生于1991年的高级、解释型编程语言，由吉多·范罗苏姆创造。其核心设计哲学强调代码的极简性和可读性，尤其依赖清晰的缩进来定义代码结构，这使得它语法接近英语，非常易于学习和使用。作为动态类型语言，它为快速开发和原型设计提供了极大的灵活性，并支持面向对象、命令式、函数式等多种编程范式。Python的巨大优势在于其拥有一个由庞大活跃社区支撑的丰富第三方库生态系统（PyPI），覆盖了几乎所有应用领域：无论是Web开发（Django, Flask）、数据科学（Pandas, NumPy, Matplotlib）、人工智能（TensorFlow, PyTorch）还是自动化脚本和系统运维，都能找到成熟高效的工具库。这种“开箱即用”的特性使其成为解决各类实际问题的“瑞士军刀”，兼具强大的功能与简单的语法。

环境构建：使用Gazebo与ROS搭建了高自由度的无人机动力学模型，模拟了飞行控制、传感器噪声及复杂障碍环境。算法核心设计：创新性地设计了融合围捕成功率、能量消耗、防碰撞、队形保持的多目标混合奖励函数，有效解决了多智能体训练的信用分配与协同难题。训练与优化：采用Ray/RLlib框架进行分布式训练，

?TG记账机器人-产品特性介绍?核心记账功能智能记账：支持入款、出款、下发，自动计算汇率。灵活费率设置：支持正负费率（如3%佣金或-5%），每笔可独立设置实时汇率：支持固定汇率和实时汇率切换，欧易TOP10汇率查询?权限管理系统多级权限：管理员、操作员分级管理，权限精确控制@用户操作：支持@指定用户

六轴机械臂openr6是一台桌面级别开源机械臂支持用户二次开发适配华为昇腾处理器•融合开源AI大模型技术•开源机械臂结构设计、电机控制和运动学控制算法•提供多个拓展接口，支持视觉、语音、传感器等外设模块的接入，满足多场景的硬件开发需求

精准地图管理：在手机App上生成清晰的家居地图。分区清洁：在地图上框选特定区域（如厨房、客厅）进行清洁。划区/禁区设置：指定清扫某一小块区域，或设置虚拟墙，禁止机器人进入（如卫生间门口、宠物碗附近）。多地图管理：对于复式或多楼层家庭，可保存多张地图，机器人能自动识别所在楼层并调用对应地图

视觉定位识别：采用最小二乘法多组位置标定，精准定位目标物体，为机械臂抓取提供高精度位置基准，解决定位偏差问题。​视觉特征识别：借助全卷积神经网络，实现端到端物体特征提取，可精准识别不同尺寸、形态、材质的物体，适配多样抓取对象。​强化学习决策：通过深度Q学习算法，让机械臂自主学习抓、推动作的最优位置与

1、支持deepseek,openAI,qwen3等大模型接口接入2、支持自定义智能体的知识库问答能力，基于ChromaDB来存储和查询知识库。3、支持自定义智能体的工具调用4、支持聊天Streaming流输出，前端支持SSE流输出。5、支持自定义多个智能体6、支持多智能体协作7、聊天历史记录保存

按照“营配协同、统一标准、分工合作、同步推进”的总体工作思路，在县公司范围内开展配网设备基础数据治理。建立运检与营销的业务集成，消除信息壁垒，共享业务数据资源，全面支撑数据调取、线损管理、低压图形绘制等业务应用，为全面提升客户服务能力、配网设备运维和营销精益化管理、营销运营模式的转型提供重要的基础数

slam多线激光导航无人车，自动驾驶。物联网关，边缘智能闭环算法实现。AGV仓储物流业。实现大型扫地机器人自动驾驶，多线激光建图，路径规划，多传感器融合技术实现。AGV实现机器人rcs调度。AGV机器人运动pid，S曲线控制等。

根植于大语言模型技术，在一个产品中无缝集成了任务型、问答型和闲聊型对话的能力，且一个对话中可在三类对话类型之间无缝切换 对话创建者仅需： (1) 以简单的3~5条文本示例为基础构建出面向任务的xmind对话树 (2) 将问答知识组织到层级标题化的word文档中 (3) 通过(约束)提示词定义闲聊的角色 即可完成一个“全能”的对话模型定义，这都归功于充分利用了大语言模型的语言能力和常识能力 一个非技术的业务人员就能完成70%-80%对话定义工作，即可让对话树运行起来，剩下20%-30%(不是必需的)脚本相关高级功能可由技术人员来完成 （详细信息，参见附件的PPT文件）

本项目分为Python、ERP(C#)、RPA等模块协同组成。适合在广东省的环保处置、储运企业或者需要帮中小企业进行年度申报的环保公司使用。 ERP管理系统和RPA软件机器人自动化项目，帮助公司自动完成对企业的环保申报备案，自动获取信息和二维码等。每年帮助公司节省近千小时的人力工作，极大提升企业的运作效率和降低人工的出错率。

通过RPA机器人开发专家级认证。 使用自制机器人API执行业务逻辑机器人。 开发过程中，对数据处理使用Python脚本，保持开发代码清晰易懂。 运维近50个已有的RPA流程，查看错误日志进行排错，修复机器人运行逻辑，重新捕捉元素等，保证其正常运行。

⚫ 为一款6自由度机械臂开发了规划管道，集成识别系统，利用传感器的输入信息确定机械臂最终的3D位置，提升了抓取和放置 目标物体操作的精确性。 ⚫ 实施了快速探索随机树（RRT）算法，从特定的起始到目标位置生成高效且无障碍的运动规划，确保了无缝且有效的任务执行。

1、使用tkinter制作微信助手可视化UI，显示微信用户头像等基本信息 2、使用多线程技术处理消息和数据库查找 3、通过判断特定聊天词触发数据库搜索电影名返回电影链接 4、数据库分为精确查找和模糊查找区分搜索电影和电视剧，控制搜索结果返回数量

1、项目分为asr语音转文字模块，机器人核心应答、tts文字转语音模块以及和电话平台协议交互 2、主导参与所有核心模块，把我项目进度，不断持续迭代优化，提高语音机器人智能解决率

1、机器人应答，其中包含机器人faq语料维护管理系统、机器人流程会话管理系统、以及核心的机器人应答系统。 2、主导负责了知识库体系搭建从0到1开发上线。核心参与faq管理、发布、审核流程。 负责设计开发机器人应答流程，包括但不限于nlu、nlg模块，负责京东智能在线机器人应答整体开发上线 3、智能应答系统，提升了客服服务满意度，大大节约了客服人力成本。

设计并实现一个智能客服聊天机器人，用于提高电信公司客户服务部门的响应速度和服务质量，减少人工客服的工作负担。 从公司数据库提取客服历史对话数据，并使用Python进行数据清洗和预处理，包括去除无用信息、文本标准化和词汇编码。 应用TensorFlow框架设计了基于Transformer的自然语言处理模型，实现了文本的自动理解和回复生成。在模型设计过程中，特别注重提高模型的泛化能力和响应质量。 使用Google Cloud Platform的计算资源进行模型训练，通过调整超参数和使用交叉验证方法优化模型表现。 将训练好的模型部署至公司的服务器，并通过API与现有的客服系统集成。保证聊天机器人的平稳运行，并对其进行定期的性能评估和更新。 成果展示 聊天机器人成功处理了超过70%的常规客户咨询，将人工客服的平均响应时间从5分钟降低到1分钟。 根据客户反馈调查，引入聊天机器人后，客户满意度提升了30%。 通过自动化处理大量常规咨询，公司客服部门的工作效率提高，进而减少了30%人工客服的人力成本。

1. 基于机器人常见操作，实现机器人控制前端页面，包括程序主页，速度设置，设备状态等。 2. 后端使用flask框架实现机器人相关控制功能。

开发环境：python、pytorch、cuda、chatGLM、langchain、milvus向量数据库、知识图谱、conda、LoRA微调、数据爬虫、fastAPI、内网穿透 开发工具：liunx、windows系统、pycharm、github、docker 项目内容： 1、确定好项目框架LLM、langchain、milvus向量数据库开始环境搭建 2、使用conda对python环境进行管理、不同的AI应用可能用到不同的python版本 3、对电脑或者服务器的GPU、CPU的本版进行检查下载对应驱动、配置cuda、pytorch使得程序用使用GPU的算力正常运算 4、部署项目、对项目进行测试 5、编写爬虫程序用来生产训练模型的数据集 6、使用LoRA微调技术对模型进行微调测试，让机器人的对话与回答达到我们的预期效果 7、接入外部链接使用机器人的功能更加多样化（类如帮我们查询一下信息、天气、航班） 8、将训练好的AI功能，用FastAPI编程为接口与前端进行对接（这里可以是网页，可以是传入到文本转语音上） 9、使用为微软的python包实现文本转语音后，再利用另一个开源的AI应用训练真人音色对语音进行转换 10、对项目进行监控、多线程管理（这个是 放在后端任务上） 该项目是由本人从无到有，全程开发，再到上传至云端，再进行内网穿透实现外网的一个链接展示与测试，当然后续我还负责了 文字转语音 、语音模拟真人音色等AI应用

整个作品从端到端都是我个人完成。 1.具备大系统开发经验以及独立的开发端到端产品经验 2.具备端到端技术能力： 2.1 基于机器学习，深度学习的模型训练 2.2 基于ROS2系统架构设计与实现 2.3 基于RTOS与Linux的嵌入式实现 2.4 独立的PCB硬件开发设计经验 3. 主要编程语言为python语言，C语言 4.英语听说读写优秀

给客户做的基于RPA的机器人，自动请求第三方的系统接口，获取请假信息，在钉钉界面自动录入员工的请假信息，这样请假信息就可以显示在钉钉上