最新

我为一款移动机器人构建了传感器融合系统，并像其他人一样使用了robot_localization。在与navsat_transform、UTM区域边界和YAML协方差调优斗争了太久后，我决定自己编写一个系统。 FusionCore是一个22状态的无迹卡尔曼滤波器（UKF），它直接在地心地固坐标系（ECEF）中融合IMU、轮编码器和GPS（没有坐标投影，也没有额外节点）。它能够估计IMU偏差，自动根据创新序列调整噪声协方差，并通过对每个传感器进行卡方检验来排除异常值。 我将其与robot_localization的扩展卡尔曼滤波器（EKF）在NCLT公共数据集（密歇根大学，真实机器人，真实GPS，RTK真实值）的6个序列上进行了基准测试。结果在6个序列中赢得了5个。在第6个序列（长时间的GPS信号衰退）中表现不佳。RL的UKF在所有六个序列中都发散到NaN。 配置、方法论和完整的重现说明都在benchmarks/文件夹中。

<a href="https://archive.ph/d956y" rel="nofollow">https://archive.ph/d956y</a><p><a href="https://www.reuters.com/markets/commodities/uae-says-it-quits-opec-opec-statement-2026-04-28/" rel="nofollow">https://www.reuters.com/markets/commodities/uae-says-it-quits-opec-opec-statement-2026-04-28/</a>

AurionOS v1.1 （链接是设置AurionOS的YouTube教程 :D） 几周前我发布了关于AurionOS的内容。 今天我发布了AurionOS v1.1，增加了许多新功能 :D 我添加了AurionGL（遗憾的是目前还不能使用，但我会在正式发布时修复 :D），壁纸终于是真实的图片（而不仅仅是颜色），内核崩溃，移植了MicroPython（仍在测试中），并增加了更好的安装程序和登录界面。 以下是源代码： [https://github.com/Luka12-dev/AurionOS](https://github.com/Luka12-dev/AurionOS) 有什么反馈吗 :D？