做过舵机机器人的人都知道一个让人崩溃的场景：仿真里策略跑得完美，部署到真机上步态全散了。原因不是模型不对，不是奖励函数有问题，是齿轮间隙。Microduck 用 14 个 Dynamixel XL330 舵机驱动全身关节，每个舵机减速箱里都有齿轮背隙——输出轴和电机轴之间不是刚性连接的。pollen-robotics/microduck_rl 仓库里有一整套背隙建模方案，核心思路简单粗暴：给每个舵机关节塞一个被动铰链……继续阅读 » admin 19小时前 19浏览 0个赞
不需要向量数据库：用 SQLite-vec 搭建迷你 RAG 检索系统做 RAG 系统最重的一步是什么？不是写 Prompt，不是接 LLM，是搭向量数据库。Pinecone 要注册账号，Qdrant 要 Docker 部署，Chroma 要装一堆依赖。如果你的项目只是个个人工具或者原型验证，这些太重了。有个更轻的方案：sqlite-vec。一个 SQLite 扩展，装完就能做向量检索，不需要额外的数据库服务。3……继续阅读 » admin 20小时前 17浏览 0个赞
Nederlandse spelers vergelijken spelmechanieken binnen Fatpirate casino Wie als Nederlandse speler spelmechanieken naast elkaar legt, kijkt vaak verder dan………继续阅读 » admin 1天前 20浏览 0个赞
Microduck 训练防崩工程：NaN 怎么从奖励函数一路杀到 PPO 崩溃做过强化学习训练的人应该都遇到过这种场景：训练跑了两个小时，loss 突然变成 NaN，策略彻底废掉，日志里找不到任何有意义的错误信息。在 microduck_rl 仓库的 mdp.py 文件里，Pollen Robotics 的工程师写了五个猴子补丁来解决这个问题。这不是过度工程，而是被真实的训练崩溃逼出来的。NaN 的传播链：从奖励……继续阅读 » admin 2天前 19浏览 0个赞
OpenAI Decisions API 公测：内容分类速度提升10倍，独立开发者能用它做什么OpenAI 刚放出了 Decisions API 的公测版。这个接口做的事情看着简单，但对 AI 应用架构的影响不小：它能把”判断一段文本属于什么类别”这类任务的速度做到比 Responses API 快大约10倍。如果你做过内容审核、工单分类、用户意图路由这类功能，大概率用过 GPT-4o 或……继续阅读 » admin 2天前 31浏览 0个赞
做过嵌入式机器人的人都知道一个诱惑：把所有传感器塞进一个进程，一个循环里全读完，多省事。Microduck 有三个关键传感器——IMU、ToF 深度传感器、摄像头——它们分别归 robotd、tofd、mediad 三个独立守护进程管。第一次看架构图的人会觉得这是过度设计。但当你读完 Pollen Robotics 在架构文档里写的理由，会发现每一条拆分都是被具体的故障模式逼出来的。不是”万一崩了怎么办……继续阅读 » admin 3天前 27浏览 0个赞
做 RAG 系统的人最容易忽略的一步就是 embedding 模型选择。大部分教程直接说”用 OpenAI 的 text-embedding-3-small 就行”，然后所有人就都用这个。但你的数据是中文为主还是英文为主？文档平均长度多少？预算紧不紧？这些因素直接影响该选哪个模型。选错了会怎样？召回率低、语义匹配不准、成本白白浪费。这篇把 5 个主流 embedding 模型的关键参数摆出……继续阅读 » admin 3天前 23浏览 0个赞
如果你做过机器人强化学习训练，大概率踩过一个坑：仿真环境里碰撞体太多，训练死活不收敛。Microduck 的 RL 仓库里藏着一个反直觉的设计——五个不同的 MJCF 碰撞模型，走路时把躯干和脑袋的碰撞检测全砍了，全碰撞模型造好了却没有任何任务在用。这不是偷懒，是精心算计过的。五个碰撞体，一个鸭子Microduck 的 RL 训练仓库（pollen-robotics/microduck_rl）里，src/mjl……继续阅读 » admin 4天前 33浏览 0个赞
pgvector 可能是你启动 RAG 项目最好的选择用 pgvector 跑 RAG，对独立开发者来说几乎是默认选项。你不需要额外部署服务，PostgreSQL 本身就是成熟的基础设施，加个扩展就能存向量、做相似度检索。启动阶段成本低、运维简单，这个选择没毛病。但问题来了：数据量涨上去之后，pgvector 的查询延迟会明显变差。很多开发者卡在这个阶段，不确定该不该换、什么时候换、换了能得到什么。这篇文章帮你判……继续阅读 » admin 4天前 38浏览 0个赞
800 克的双足机器人，15 个舵机，要在仿真里学会走路再迁移到真机。听起来最大的挑战是 RL 算法？是奖励函数？其实都不是。Pollen Robotics 的工程师在 microduck_rl 仓库里写了一句话，基本上是整个项目的核心判断：在这个尺度上——微型舵机驱动一个 800 克的双足——执行器的保真度就是 sim2real 鸿沟的大部分。他们用的工具叫 BAM，全称 Better Actuator M……继续阅读 » admin 5天前 50浏览 0个赞
为什么需要 Prompt 评测Prompt 写完就上线，是很多人做 AI 应用时的常态。功能跑通了，输出看起来也还行，就觉得可以了。但用户一旦开始大量使用，各种边界情况就冒出来了：幻觉输出、越狱攻击、格式不稳定、不同模型表现差异大。问题的核心不是 Prompt 写得好不好，而是你有没有系统性地测过它。手工测试的覆盖面太窄。你试了十个 case 觉得没问题，但真实用户的输入千奇百怪。OpenAI 的官方文档里也提……继续阅读 » admin 5天前 52浏览 0个赞
Microduck 的安全层设计：borrow checker 怎么管住 15 个舵机不发疯—给机器人跑强化学习策略，最让人紧张的不是策略训不好——训不好最多鸭子不走。最怕的是策略”发疯”：一个 NaN 输出灌进舵机，15 个关节同时甩到极限，800g 的塑料壳子在你桌上表演体操。Microduck 的安全层不是”加一个检查”这么简单。它是一套架构级的……继续阅读 » admin 6天前 63浏览 0个赞
这套环境包含什么调 API 做原型很爽，但到了正经开发阶段，你会碰到一堆只在本地才暴露的问题：向量数据库跟 embedding 模型的维度对不上、OpenAI 兼容接口的 streaming 行为跟本地推理不一样、RAG 管线在云端跑通但本地调试不了。这些问题不需要你买 GPU 服务器解决。一台普通开发机，装好 Docker，用下面这份 docker-compose.yml 就能跑起一整套本地 LLM 开发环境：……继续阅读 » admin 6天前 57浏览 0个赞
大多数人以为 Microduck 就一个 walk 策略——训好、导出 ONNX、塞进去、完事。实际上这只鸭子同时在跑七个策略，而且它们可以在不重启、不停循环的前提下互相切换。你跟鸭子说”坐下”，sitstand 策略接管。你说”站起来”，stand 策略上。推一下让它翻滚，roulade 接管。这些切换全在 50Hz 循环里实时发生，一拍都不漏。这背后的设计叫 P……继续阅读 » admin 7天前 58浏览 0个赞
独立开发者做 AI 应用，部署方案选错了就是持续失血。VPS 按月固定付费，闲时浪费、忙时不够；自建 GPU 服务器门槛太高，一台 4090 就吃掉半年预算。Cloudflare Workers AI 给了第三条路：serverless GPU，按用量付费，50 多个开源模型直接调用。但”按用量付费”到底花多少，大部分人心里没数。这篇基于 Cloudflare 官方定价文档，把成本拆到每一……继续阅读 » admin 7天前 73浏览 0个赞
复刻 Microduck 的人大多有个尴尬阶段：策略训好了，代码改完了，但真机不在桌上。你没法跑 robotctl health，没法试 chorale，没法验证热切换——除非你有一只装好的鸭子随时待命。官方的解法不是给你一个模拟器。是给你一只一模一样的鸭子，只不过它的身体在 MuJoCo 里。scripts/duck-sim 一条命令就能跑起来。窗口打开，鸭子站起来，然后你用的所有命令跟真机完全一样：robot……继续阅读 » admin 1周前 (10-01) 76浏览 0个赞
复刻 Microduck，最难的不是代码是 0.2mm 的打印公差：孔径测试片怎么定标来源: 复刻项目进度记录 duck.whatled.com + pollen-robotics/microduck 官方仓库金属件公差靠机床，塑料件公差全靠打印机状态。复刻一只 Microduck，47 个官方 STL 零件反推装配图只花了两周，可真正卡住整条产线的，从来不是 CAD 里的配合，而是打印机吐出来的那个孔，比图纸上……继续阅读 » admin 1周前 (09-29) 105浏览 0个赞
引言很多独立开发者想给产品接上”问答自己文档”的能力，一上来就被一堆概念劝退。其实最小可用的RAG没有你想的那么复杂：把文档切碎、向量化、存进索引，然后查的时候先向量检索再让LLM生成答案。本文用纯Python从零搭一个能跑的最小RAG，全程可复现。为什么你需要RAG，而不是直接把文档塞给LLM直接把几千页文档拼进提示词里，token成本和超时都扛不住。RAG的思路是”先缩小……继续阅读 » admin 1周前 (09-29) 63浏览 0个赞
# Microduck 的 ONNX 策略是怎么下放到真机的：50Hz 控制循环里的推理艺术Meta Description: 用 RL 训出来的鸭子策略，最后要变成一张 ONNX 图塞进 RK3566 里跑。拆解 export.py 如何把观测归一化烙进图里、robotd 如何在 50Hz 循环里做推理、以及 61 维观测契约怎么让策略能热切换。很多人复刻 Microduck，训到一张能看的策略就收工了。可真……继续阅读 » admin 2周前 (09-28) 107浏览 0个赞
做AI产品的人容易犯一个错：产品还没人来用，先把几十块一小时的GPU服务器开着，账单比用户还先到。我见过太多独立开发者，第一个月就把钱花在服务器上，结果产品连几十个用户都没有。这里不是劝你别买，而是劝你先想清楚：你的AI应用，真的需要一台常驻服务器吗？先算一笔账：Serverless到底省在哪我们把”跑一个AI应用”拆成两部分看：推理本身（调用OpenAI/Claude这类API）和应用……继续阅读 » admin 2周前 (09-28) 76浏览 0个赞
Microduck 的背隙（Backlash）仿真：为什么 2 度的齿轮间隙，差点毁掉整个 sim2realMeta Description: 一个 25cm 的小鸭子，14 个舵机关节，每个关节里藏着 ±1° 的齿轮背隙。仿真里不加它，策略在真机上就是站不稳。拆解 Microduck 的 Backlash 建模：被动铰链、穿过背隙的观测读取、以及为什么奖励和动作维度一个都不用改。第一次在真机上把训好的 ……继续阅读 » admin 2周前 (09-27) 94浏览 0个赞
