JunX
# Robot 基础知识 - **刚体(Rigid body)**: 假设质点系里的所有质点都是相对静止的，也就是整个系统没有任何形变，那么这个系统是一个理想刚体 - **自由度(DOF - Degrees-of-Freedom)**: 完全描述刚体位置需要的维度 - 三维空间 自由运动刚体 自由度为 6 `A(x, y, z) B(m, n) C(α)` 或者 平移与旋转 - `(x, y, z, α,...
# RL Tasks ## Games Games Name | Images -- | -- PacMan |  Starcraft 2 |  ## Others Names | Images -- | -- Humanoid | ...
- Math - Vector - Determinant - Matrix - LeastSquares - Media - Image - 2DImage - 3DImage - Camera - Color - Video - Tools - GStreamer - Install...
# RL Tools ## Tasks Env / 算法框架 - [bidexhands](https://github.com/PKU-MARL/DexterousHands) - [rl-games](https://github.com/Denys88/rl_games) - [Gym](https://github.com/openai/gym) ==> [[Gymnasium](https://github.com/Farama-Foundation/Gymnasium)] - `OpenAI` ==> `Farama-Foundation` - ## 物理引擎模拟器 - [Box2D](https://box2d.org/) - 用于游戏的 2D 物理引擎 -...
# Isaac Gym - Nvidia - `Gym` => `Gymnasium` `@2022.10` => `Omniverse Isaac Gym /Isaac Sim？` - IsaacGym - NVIDIA’s physics simulation environment for reinforcement learning research - end-to-end GPU...
# AIGC Tools ## 图像生成 - Stable Diffusion - Midjourney - DALL-E - ImageGen - ## 动画生成 - AnimateDiff
# Gym -> Gymnasium - `Gym(OpenAI)` => `Gymnasium(Farama Foundation)` `@2022.10` - => `IsaacGym` - NVIDIA ## 包含内容 - **Classic Control**: 经典控制任务，主要是基于现实世界的问题 - Acrobot - CartPole - Mountain Car - Continuous...
# Latent Space 潜在空间 - 抽象多维空间，对输入进行编码表示到潜在空间后，在外部世界中相似的样本在潜在空间中彼此靠近 ### 图像生成 图像生成是指通过神经网络模型生成新的图像。潜在空间嵌入在图像生成中扮演着重要的角色。通过将图像映射到潜在空间中，我们可以对图像进行操作，例如对潜在向量进行插值操作，从而生成新的图像。这种方法被广泛应用于风格迁移、图像修改等任务中。 ### 图像压缩 图像压缩是指通过压缩算法将图像数据压缩到更小的空间中，从而减少存储和传输的成本。潜在空间嵌入可以用于图像压缩中，通过将图像映射到潜在空间中，我们可以减少图像数据的维度，从而降低图像的大小。 ### 自动编码器 自动编码器是一种神经网络模型，被广泛用于数据降维、特征提取等任务中。自动编码器的主要目标是学习一组潜在向量表示，使得输入数据可以被重构出来。在自动编码器中，输入数据被映射到潜在空间中，然后再通过解码器将潜在向量映射回原始数据空间中。 ### 文本生成 文本生成是指通过神经网络模型生成新的文本。潜在空间嵌入可以用于文本生成中，通过将文本映射到潜在空间中，我们可以对文本进行操作，例如对潜在向量进行插值操作，从而生成新的文本。这种方法被广泛应用于机器翻译、对话系统等任务中。 ### 特征提取 特征提取是指从原始数据中提取具有代表性的特征。潜在空间嵌入可以用于特征提取中，通过将数据映射到潜在空间中，我们可以提取出具有代表性的特征，从而提高模型的性能。
# Model Precision - 浮点型 - FP32 - FP16 - BF16 - 整型 - INT32 - INT8 - U8 - U1 ## FP16  ## Reference - [Hardware Precision](https://junxnone.github.io/xwiki/#/0281_Hardware_Precision)