该文章已加密，点击 阅读全文 并输入密码后方可查看。

Spatial Layout Projector (SLP)

1. InternVL采用了一种称为"Spatial Layout Projector (SLP)"的方法，将四维的空间坐标[x1,y1,x2,y2]（一个bounding box）转换为单个token嵌入：

   "A key innovation in LayTextLLM is the Spatial Layout Projector (SLP), which transforms a spatial layout into a singular bounding box token. This enhancement enables the model to process both spatial layouts and textual inputs simultaneously. To be specifically, each OCR-derived spatial layout is represented by a bounding box defined by four-dimensional coordinates [x1,y1,x2,y2]..."

2. 这种方法确实将每个边界框（box）表示为一个token，不同于之前的"coordinate-as-tokens"方案（这种方案会将坐标转换为多个token）：

   "Compared to the coordinate-as-tokens scheme, the SLP represents each bounding box with a single token. This approach significantly reduces the number of input tokens..."

3. 这种单token表示法的计算方式是通过将坐标映射到高维空间来实现的：

   "The process can be computed as z=W⋅c+b, where c∈ℝ^4 is the vector of the bounding box coordinates. W∈ℝ^(d×4) is a weight matrix with d represents the dimension of the embedding, b∈ℝ^(d×1) is a bias vector, z is the resulting bounding box token represented as an d-dimensional embedding."

这里有一个很好的例子：https://thingsboard.io/use-cases/fleet-tracking/

thingsboard架构：

这篇文章想完成这些事情：

1. 在 thingsboard 新建GPS设备。
2. 在客户端，使用Python模拟为GPS设备，往thingsboard 发送GPS数据（经纬度）。
3. 在 thingsboard 仪表盘展示设备的GPS位置轨迹。
4. 在 thingsboard 定义虚拟边界使用地理围栏，设置区域。当设备进入或离开地理围栏时触发操作，例如发送短信警告、发出警报或启动工作流。
5. 学习如何取得 thingsboard 的设备数据。
6. 学习配置 thingsboard 数据转发，将数据存入自己的数据库。

在VMware Ubuntu中访问Windows共享文件夹：完整指南

在使用VMware运行Ubuntu虚拟机时，访问Windows主机上的文件是常见需求。本文将详细介绍如何通过网络共享方式，让Ubuntu虚拟机直接访问Windows主机的文件夹。

解决 PowerShell 中 Conda 命令无法识别的问题

问题描述

在 Windows PowerShell 中运行 conda 时，可能会遇到以下错误：

powershell
展开代码
conda : 无法将“conda”项识别为 cmdlet、函数、脚本文件或可运行程序的名称。请检查名称的拼写，如果包括路径，请确保路径正确，然后再试一次。

即使 conda.exe 路径已添加到环境变量，仍然无法直接使用 conda 命令。本指南将提供完整的解决方案。

docker-compose.yaml

bash
展开代码
version: '3'

services:
  nextcloud:
    image: nextcloud
    container_name: nextcloud
    ports:
      - "8082:80"
    volumes:
      - ./nextcloud_data:/var/www/html     # 网页文件和数据
      - ./app_data:/var/www/html/data      # 可选：Nextcloud用户数据单独存储
    environment:
      - MYSQL_HOST=db                      # 数据库服务名
      - MYSQL_DATABASE=nextcloud            # 数据库名
      - MYSQL_USER=填写自己的用户名           # 数据库用户
      - MYSQL_PASSWORD=填写自己的用户密码     # 数据库密码
    depends_on:
      - db
    restart: unless-stopped

  db:
    image: mariadb:10.6                     # 或 mysql:8.0
    container_name: nextcloud_db
    environment:
      - MYSQL_ROOT_PASSWORD=root_password   # root密码（保密）
      - MYSQL_DATABASE=nextcloud
      - MYSQL_USER=填写自己的用户名
      - MYSQL_PASSWORD=填写自己的用户密码
    volumes:
      - ./db_data:/var/lib/mysql            # 数据库文件保存在当前目录的db_data文件夹
    restart: unless-stopped

Self-balance Control of Bicycle with Inertial Wheel Pendulum based on Linear ADRC

https://ieeexplore.ieee.org/document/10055063

1. 论文细节

1.1 摘要

摘要：本文研究了带惯性轮摆（IWP）的无人自行车在外部干扰和模型不完整情况下的自平衡控制问题。通过拉格朗日方法将无人自行车系统简化为倒立摆模型进行建模。为实现无人自行车在垂直方向上的稳定性并完成自平衡控制，提出了一种基于线性自抗扰控制（LADRC）的方法，并与PID控制器进行对比。为验证所提方法的性能，在具备真实物理特性仿真能力的ROS-Gazebo平台上进行实验，同时与比例-积分-微分（PID）控制器开展对比仿真。结果表明：基于LADRC控制器的无人自行车系统具有更优的自平衡性能，且对外部干扰和建模误差具有强鲁棒性。

CycleGAN的网络结构

1. 整体架构

CycleGAN包含4个网络：

• 两个生成器（Generators）: G_A (A→B) 和 G_B (B→A)
• 两个判别器（Discriminators）: D_A 和 D_B

其中：

• G_A: 将域A的图像转换到域B
• G_B: 将域B的图像转换到域A
• D_A: 判断图像是真实的B域图像还是G_A生成的假B域图像
• D_B: 判断图像是真实的A域图像还是G_B生成的假A域图像

文本提示如何作用于Stable Diffusion的图像生成过程

Stable Diffusion的文本转图像过程是一个复杂的流程，文本提示(prompt)会被转换成嵌入向量，然后通过条件扩散模型引导图像生成。以下是完整的流程：