[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-AgibotTech--agibot_x1_infer":3,"tool-AgibotTech--agibot_x1_infer":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",155373,2,"2026-04-14T11:34:08",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":72,"owner_avatar_url":73,"owner_bio":74,"owner_company":75,"owner_location":75,"owner_email":75,"owner_twitter":75,"owner_website":76,"owner_url":77,"languages":78,"stars":95,"forks":96,"last_commit_at":97,"license":98,"difficulty_score":99,"env_os":100,"env_gpu":101,"env_ram":101,"env_deps":102,"category_tags":115,"github_topics":117,"view_count":32,"oss_zip_url":75,"oss_zip_packed_at":75,"status":17,"created_at":121,"updated_at":122,"faqs":123,"releases":164},7505,"AgibotTech\u002Fagibot_x1_infer","agibot_x1_infer","The inference module for AgiBot X1.","agibot_x1_infer 是智元机器人（AgiBot）为其开源模块化人形机器人 X1 打造的专用推理模块。作为 X1 配套软件的核心组成部分，它主要负责承载基于强化学习训练的运动控制模型，实现从算法到实际动作的高效推理与执行，从而解决高自由度人形机器人在复杂地形下稳定行走与灵活运动的控制难题。\n\n该项目深度集成了智元自研的开源中间件框架 AimRT，不仅支持在真实机器人硬件上部署运行，还提供了完整的软件仿真环境，允许用户在无需物理设备的情况下进行算法验证与调试。其技术亮点在于采用了模块化架构设计，清晰划分了模型推理、平台驱动及仿真模拟等功能单元，并原生支持 ROS2 生态，便于开发者进行二次扩展。\n\nagibot_x1_infer 主要面向机器人领域的科研人员、算法工程师及硬核开发者。如果你正在研究人形机器人运动控制、强化学习落地应用，或希望基于开源框架探索具身智能的前沿技术，这套工具将为你提供从仿真测试到真机部署的一站式解决方案，助力快速构建和验证你的控制策略。","# Readme\n\nEnglish | [中文](README.zh_CN.md)\n\n## Introduction\n\n[AgiBot X1](https:\u002F\u002Fwww.zhiyuan-robot.com\u002Fqzproduct\u002F169.html) is a modular humanoid robot with high dof developed and open-sourced by AgiBot. It is built upon AgiBot's open-source framework AimRT as middleware and using reinforcement learning for locomotion control.\n\nThis project is about the accompanying software for AgiBot X1, including multiple functional modules such as model inference, platform driver, and software simulation.\n\nFor detailed tutorials on `AimRT` framework, please visit the [AimRT official website](https:\u002F\u002Faimrt.org\u002F).\n\n![x1](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FAgibotTech_agibot_x1_infer_readme_4ad3ab84924f.jpg)\n\n## Software Architecture Diagram\n\n![sw_arch](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FAgibotTech_agibot_x1_infer_readme_b1f7340bec79.png)\n\nFor detailed annotations of modules, please refer to the [Development Guide](doc\u002Ftutorials.md).\n\n## Directory Structure\n\n```bash\n.\n├── build.sh              # Build scripts\n├── cmake                 # CMake scripts for build dependencies\n│   ├── GetAimRT.cmake\n│   ├── GetGTest.cmake\n│   └── NamespaceTool.cmake\n├── CMakeLists.txt        # Top-level CMakeLists.txt\n├── format.sh             # Formatting scripts\n├── README.md             # README document\n├── doc                   # Development guide directory\n├── src                   # Source code directory\n│   ├── CMakeLists.txt    # CMakeLists.txt for the source code directory\n│   ├── assistant         # ROS2 simulation and example project directory\n│   ├── install           # Configuration script directory\n│   ├── module            # Module directory\n│   ├── pkg               # Deployment directory\n│   └── protocols         # Protocol directory\n└── test.sh               # Testing scripts\n```\n\n## Running Instructions\n\n### Preparation for Launch\n\n- Install [GCC-13](https:\u002F\u002Fwww.gnu.org\u002Fsoftware\u002Fgcc\u002Fgcc-13\u002F).\n\n- Install [cmake](https:\u002F\u002Fcmake.org\u002Fdownload\u002F) (version 3.26 or above).\n\n- Install [ONNX Runtime](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fonnxruntime).\n\n```bash\nsudo apt update\nsudo apt install -y build-essential cmake git libprotobuf-dev protobuf-compiler\n\ngit clone --recursive https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fonnxruntime\n\ncd onnxruntime\n.\u002Fbuild.sh --config Release --build_shared_lib --parallel\n\ncd build\u002FLinux\u002FRelease\u002F\nsudo make install\n```\n\n- Install `ROS2 Humble` and configure the environment variables. For detailed instructions, visit the [ROS2 official website](https:\u002F\u002Fdocs.ros.org\u002Fen\u002Fhumble\u002FInstallation\u002FUbuntu-Install-Debians.html).\n\n- Install dependencies for the simulation environment.\n\n```bash\nsudo apt install jstest-gtk libglfw3-dev libdart-external-lodepng-dev\n```\n\n- Install the Linux [realtime kernel patch](https:\u002F\u002Fwiki.linuxfoundation.org\u002Frealtime\u002Fstart) if real-robot debugging is needed.\n\n*It will be very slow or even fail to download AimRT's numerous dependencies from default sources. Therefore, we provide environment variables `DOWNLOAD_FLAGS` for the download based on the Gitee source in `url_gitee.bashrc`. Simply source `url_gitee.bashrc` before running `build.sh` and add environment variable parameters for the Gitee source.*\n\nAfter completing the above steps, execute the following commands in the terminal:\n\n```bash\nsource \u002Fopt\u002Fros\u002Fhumble\u002Fsetup.bash\nsource url_gitee.bashrc\n\n# Build\n.\u002Fbuild.sh $DOWNLOAD_FLAGS\n\n# Test\n.\u002Ftest.sh $DOWNLOAD_FLAGS\n```\n\n### Launch Simulation\n\nBefore starting, it is necessary to connect the handle receiver.\n\n```bash\ncd build\u002F\n.\u002Frun_sim.sh\n```\n\n### Launch on Real Robot\n\nExport your library path first, **just need to execute once**.\n\n```bash\n# Open \"\u002Fetc\u002Fld.so.conf\" as root\nsudo vi \u002Fetc\u002Fld.so.conf\n\n# Add this path to the end of \"\u002Fetc\u002Fld.so.conf\"\n\u002Fopt\u002Fros\u002Fhumble\u002Flib\n{YourProjectSource}\u002Fbuild\u002Finstall\u002Flib\n\n# Refresh system env\nsudo ldconfig\n```\n\nReady to launch.\n\n```bash\ncd build\u002F\n.\u002Frun.sh\n```\n\n### Joystick Control\n\nFor specific control instructions, please refer to the [Joystick Control Module](doc\u002Fjoy_stick_module\u002Fjoy_stick_module.md).\n\n## License Agreement\n\nThe code provided in this project runs on the [AimRT](https:\u002F\u002Faimrt.org\u002F) framework. This is research code subject to frequent changes, and cannot apply to all specific purposes. The source code is released under the [MULAN](https:\u002F\u002Fspdx.org\u002Flicenses\u002FMulanPSL-2.0.html) license agreement.\n\n## Usage Instructions\n\nIf you have any questions or issues with this repository, please use the `Issues`.\n\nPlease do not contact us via email as we may not be able to respond. If you would like to contribute code, simply fork the repository (or if you are a collaborator, create a branch), make your changes, and submit a pull request to us.\n","# 自述文件\n\n英语 | [中文](README.zh_CN.md)\n\n## 简介\n\n[AgiBot X1](https:\u002F\u002Fwww.zhiyuan-robot.com\u002Fqzproduct\u002F169.html) 是一款由 AgiBot 开发并开源的高自由度模块化人形机器人。它基于 AgiBot 的开源框架 AimRT 作为中间件，并采用强化学习进行运动控制。\n\n本项目是 AgiBot X1 的配套软件，包含模型推理、平台驱动和软件仿真等多个功能模块。\n\n有关 `AimRT` 框架的详细教程，请访问 [AimRT 官方网站](https:\u002F\u002Faimrt.org\u002F)。\n\n![x1](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FAgibotTech_agibot_x1_infer_readme_4ad3ab84924f.jpg)\n\n## 软件架构图\n\n![sw_arch](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FAgibotTech_agibot_x1_infer_readme_b1f7340bec79.png)\n\n有关各模块的详细说明，请参阅 [开发指南](doc\u002Ftutorials.md)。\n\n## 目录结构\n\n```bash\n.\n├── build.sh              # 构建脚本\n├── cmake                 # 用于构建依赖项的 CMake 脚本\n│   ├── GetAimRT.cmake\n│   ├── GetGTest.cmake\n│   └── NamespaceTool.cmake\n├── CMakeLists.txt        # 顶级 CMakeLists.txt\n├── format.sh             # 格式化脚本\n├── README.md             # 自述文件\n├── doc                   # 开发指南目录\n├── src                   # 源代码目录\n│   ├── CMakeLists.txt    # 源代码目录的 CMakeLists.txt\n│   ├── assistant         # ROS2 仿真及示例项目目录\n│   ├── install           # 配置脚本目录\n│   ├── module            # 模块目录\n│   ├── pkg               # 部署目录\n│   └── protocols         # 协议目录\n└── test.sh               # 测试脚本\n```\n\n## 运行说明\n\n### 启动准备\n\n- 安装 [GCC-13](https:\u002F\u002Fwww.gnu.org\u002Fsoftware\u002Fgcc\u002Fgcc-13\u002F)。\n\n- 安装 [cmake](https:\u002F\u002Fcmake.org\u002Fdownload\u002F)（版本 3.26 或以上）。\n\n- 安装 [ONNX Runtime](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fonnxruntime)。\n\n```bash\nsudo apt update\nsudo apt install -y build-essential cmake git libprotobuf-dev protobuf-compiler\n\ngit clone --recursive https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fonnxruntime\n\ncd onnxruntime\n.\u002Fbuild.sh --config Release --build_shared_lib --parallel\n\ncd build\u002FLinux\u002FRelease\u002F\nsudo make install\n```\n\n- 安装 `ROS2 Humble` 并配置环境变量。详细步骤请参考 [ROS2 官方网站](https:\u002F\u002Fdocs.ros.org\u002Fen\u002Fhumble\u002FInstallation\u002FUbuntu-Install-Debians.html)。\n\n- 安装仿真环境所需的依赖项。\n\n```bash\nsudo apt install jstest-gtk libglfw3-dev libdart-external-lodepng-dev\n```\n\n- 如果需要对真实机器人进行调试，请安装 Linux [实时内核补丁](https:\u002F\u002Fwiki.linuxfoundation.org\u002Frealtime\u002Fstart)。\n\n*从默认源下载 AimRT 的大量依赖项可能会非常缓慢甚至失败。因此，我们提供了基于 Gitee 源的环境变量 `DOWNLOAD_FLAGS`，位于 `url_gitee.bashrc` 中。只需在运行 `build.sh` 前先执行 `source url_gitee.bashrc`，并添加 Gitee 源的环境变量参数即可。*\n\n完成上述步骤后，在终端中执行以下命令：\n\n```bash\nsource \u002Fopt\u002Fros\u002Fhumble\u002Fsetup.bash\nsource url_gitee.bashrc\n\n# 构建\n.\u002Fbuild.sh $DOWNLOAD_FLAGS\n\n# 测试\n.\u002Ftest.sh $DOWNLOAD_FLAGS\n```\n\n### 启动仿真\n\n启动前，需要连接手柄接收器。\n\n```bash\ncd build\u002F\n.\u002Frun_sim.sh\n```\n\n### 在真实机器人上启动\n\n首先导出库路径，**只需执行一次**。\n\n```bash\n# 以 root 权限打开 \"\u002Fetc\u002Fld.so.conf\"\nsudo vi \u002Fetc\u002Fld.so.conf\n\n# 将以下路径添加到 \"\u002Fetc\u002Fld.so.conf\" 的末尾\n\u002Fopt\u002Fros\u002Fhumble\u002Flib\n{YourProjectSource}\u002Fbuild\u002Finstall\u002Flib\n\n# 刷新系统环境\nsudo ldconfig\n```\n\n准备就绪后，即可启动。\n\n```bash\ncd build\u002F\n.\u002Frun.sh\n```\n\n### 操纵杆控制\n\n具体控制说明请参阅 [操纵杆控制模块](doc\u002Fjoy_stick_module\u002Fjoy_stick_module.md)。\n\n## 许可协议\n\n本项目提供的代码运行在 [AimRT](https:\u002F\u002Faimrt.org\u002F) 框架之上。这是一份研究性代码，可能会频繁更新，无法适用于所有特定用途。源代码采用 [MULAN](https:\u002F\u002Fspdx.org\u002Flicenses\u002FMulanPSL-2.0.html) 许可协议发布。\n\n## 使用说明\n\n如果您对该仓库有任何疑问或问题，请使用 `Issues` 功能。\n\n请勿通过电子邮件联系我们，因为我们可能无法及时回复。如果您希望贡献代码，可以直接 fork 该仓库（或作为协作者创建分支），进行修改后向我们提交 pull request。","# AgiBot X1 推理工具快速上手指南\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**: Ubuntu (推荐用于 ROS2 Humble 的版本)\n*   **编译器**: GCC-13\n*   **构建工具**: CMake 3.26 或更高版本\n*   **中间件**: ROS2 Humble\n*   **推理引擎**: ONNX Runtime\n*   **实时性**: 若需在真机调试，需安装 Linux 实时内核补丁 (Preempt-RT)\n\n## 安装步骤\n\n### 1. 安装基础依赖与编译工具\n```bash\nsudo apt update\nsudo apt install -y build-essential cmake git libprotobuf-dev protobuf-compiler\n```\n\n### 2. 编译并安装 ONNX Runtime\n```bash\ngit clone --recursive https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fonnxruntime\n\ncd onnxruntime\n.\u002Fbuild.sh --config Release --build_shared_lib --parallel\n\ncd build\u002FLinux\u002FRelease\u002F\nsudo make install\n```\n\n### 3. 安装 ROS2 Humble 及仿真依赖\n请参考 [ROS2 官方文档](https:\u002F\u002Fdocs.ros.org\u002Fen\u002Fhumble\u002FInstallation\u002FUbuntu-Install-Debians.html) 安装 ROS2 Humble 并配置环境变量。\n\n随后安装仿真环境所需的额外依赖：\n```bash\nsudo apt install jstest-gtk libglfw3-dev libdart-external-lodepng-dev\n```\n\n### 4. 配置国内镜像源加速（推荐）\n由于 AimRT 依赖较多，直接从默认源下载可能缓慢或失败。项目提供了基于 Gitee 源的加速脚本。\n\n在使用构建脚本前，请先加载环境变量配置：\n```bash\nsource url_gitee.bashrc\n```\n\n### 5. 编译项目\n加载 ROS2 环境和加速配置后，执行构建和测试：\n```bash\nsource \u002Fopt\u002Fros\u002Fhumble\u002Fsetup.bash\nsource url_gitee.bashrc\n\n# 构建项目\n.\u002Fbuild.sh $DOWNLOAD_FLAGS\n\n# 运行测试\n.\u002Ftest.sh $DOWNLOAD_FLAGS\n```\n\n## 基本使用\n\n### 启动仿真环境\n在启动仿真前，请确保已连接手柄接收器。\n```bash\ncd build\u002F\n.\u002Frun_sim.sh\n```\n\n### 在真机上运行\n首次运行前，需将库路径添加到系统动态链接库配置中（仅需执行一次）：\n\n1. 编辑配置文件：\n   ```bash\n   sudo vi \u002Fetc\u002Fld.so.conf\n   ```\n2. 在文件末尾添加以下两行路径（请将 `{YourProjectSource}` 替换为您的实际项目源码路径）：\n   ```text\n   \u002Fopt\u002Fros\u002Fhumble\u002Flib\n   {YourProjectSource}\u002Fbuild\u002Finstall\u002Flib\n   ```\n3. 刷新系统环境：\n   ```bash\n   sudo ldconfig\n   ```\n\n完成配置后，启动真机程序：\n```bash\ncd build\u002F\n.\u002Frun.sh\n```\n\n> **提示**：关于手柄控制的具体操作说明，请参阅项目文档中的 `doc\u002Fjoy_stick_module\u002Fjoy_stick_module.md`。","某高校具身智能实验室正在基于 AgiBot X1 人形机器人研发复杂地形下的自适应行走算法，团队急需验证强化学习模型在真机上的实时控制效果。\n\n### 没有 agibot_x1_infer 时\n- **推理引擎集成困难**：研究人员需手动编写代码对接 ONNX 运行时与底层硬件驱动，耗费数周时间解决依赖冲突和内存对齐问题。\n- **实时性无法保障**：缺乏针对实时内核优化的推理模块，导致动作指令延迟高达数百毫秒，机器人在不平坦地面极易摔倒。\n- **仿真与真机割裂**：仿真环境中训练好的策略模型无法直接部署，必须经过繁琐的格式转换和参数重调，迭代周期长达数天。\n- **调试手段匮乏**：缺少标准化的日志与监控接口，当机器人步态异常时，开发者难以定位是感知输入错误还是模型推理偏差。\n\n### 使用 agibot_x1_infer 后\n- **开箱即用的推理支持**：agibot_x1_infer 内置了基于 AimRT 框架的标准化模型加载流程，团队仅需配置路径即可在几小时内完成模型部署。\n- **毫秒级低延迟控制**：该工具专为实时 Linux 内核优化，结合共享内存机制将端到端控制延迟压缩至毫秒级，确保机器人在碎石路上稳健行走。\n- **仿真真机无缝切换**：凭借统一的软件架构，同一套强化学习策略可直接在 Gazebo 仿真和物理真机上运行，算法迭代效率提升 10 倍。\n- **全链路可观测性**：内置的协议模块提供了详细的运行时状态反馈，开发者能实时监控推理耗时与关节力矩，快速修正步态参数。\n\nagibot_x1_infer 通过屏蔽底层异构计算细节，让研发团队能从繁琐的工程适配中解放出来，专注于核心运动控制算法的创新。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FAgibotTech_agibot_x1_infer_4ad3ab84.jpg","AgibotTech","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FAgibotTech_a38f725a.jpg","以智能机器创造无限生产力",null,"https:\u002F\u002Fwww.agibot.com\u002F","https:\u002F\u002Fgithub.com\u002FAgibotTech",[79,83,87,91],{"name":80,"color":81,"percentage":82},"C++","#f34b7d",87.3,{"name":84,"color":85,"percentage":86},"CMake","#DA3434",8,{"name":88,"color":89,"percentage":90},"Python","#3572A5",3.1,{"name":92,"color":93,"percentage":94},"Shell","#89e051",1.6,1797,541,"2026-04-14T09:44:18","NOASSERTION",4,"Linux","未说明",{"notes":103,"python":101,"dependencies":104},"该项目主要基于 C++ 开发（使用 AimRT 框架），未明确提及 Python 版本需求。若需进行真机调试，必须安装 Linux 实时内核补丁。由于默认源下载 AimRT 依赖极慢或可能失败，构建前需 source `url_gitee.bashrc` 以使用 Gitee 镜像源。仿真运行前需连接手柄接收器。",[105,106,107,108,109,110,111,112,113,114],"GCC-13","CMake>=3.26","ONNX Runtime","ROS2 Humble","libprotobuf-dev","protobuf-compiler","jstest-gtk","libglfw3-dev","libdart-external-lodepng-dev","Linux realtime kernel patch (可选，真机调试需要)",[116,14],"其他",[118,119,120],"open-source","robotics","inference","2026-03-27T02:49:30.150509","2026-04-15T04:24:35.239453",[124,129,134,139,144,149,154,159],{"id":125,"question_zh":126,"answer_zh":127,"source_url":128},33632,"编译时遇到 'Boost::asio' 目标未找到的错误怎么办？","不要手动安装 Boost 库。请删除之前手动安装的 Boost-1.82，然后重新执行构建脚本（例如 .\u002Fbuild.sh $DOWNLOAD_FLAGS）。脚本检测到缺失后会自动下载并安装正确版本的 Boost（约需 10 分钟，请确保网络通畅能访问 GitHub）。自动安装完成后即可解决该链接错误。","https:\u002F\u002Fgithub.com\u002FAgibotTech\u002Fagibot_x1_infer\u002Fissues\u002F13",{"id":130,"question_zh":131,"answer_zh":132,"source_url":133},33633,"在 Ubuntu 20.04 上无法安装 ROS 2 Humble 版本怎么办？","ROS 2 Humble 官方仅支持 Ubuntu 22.04 及以上版本，无法直接在 Ubuntu 20.04 上安装。解决方案是使用 Docker 进行部署，或者将操作系统升级到 Ubuntu 22.04。","https:\u002F\u002Fgithub.com\u002FAgibotTech\u002Fagibot_x1_infer\u002Fissues\u002F17",{"id":135,"question_zh":136,"answer_zh":137,"source_url":138},33634,"运行时出现 'libstdc++.so.6: version GLIBCXX_3.4.32 not found' 错误如何解决？","该错误通常是因为系统 GCC 版本过低（如 GCC 11），而依赖库是用更高版本（如 GCC 13）编译的。解决方法是升级 libstdc++：\n1. 添加源：sudo add-apt-repository ppa:ubuntu-toolchain-r\u002Ftest\n2. 更新列表：sudo apt-get update\n3. 升级库：sudo apt-get install --only-upgrade libstdc++6\n注意：项目维护者后续已将其改为使用 GCC 11 编译以兼容更多环境，若遇此问题也可尝试拉取最新代码。","https:\u002F\u002Fgithub.com\u002FAgibotTech\u002Fagibot_x1_infer\u002Fissues\u002F4",{"id":140,"question_zh":141,"answer_zh":142,"source_url":143},33635,"仿真启动后机器人初始姿态崩溃或摔倒怎么办？","这通常是由于缺少必要的 ROS 2 控制器包或仿真时间同步问题导致的。请按以下步骤排查：\n1. 安装控制器包：sudo apt install ros-$ROS_DISTRO-ros2-controllers\n2. 检查话题频率和内容：使用 ros2 topic hz -w 1000 \u003Ctopic> 和 ros2 topic echo \u003Ctopic>\n3. 检查仿真时间设置是否正确。","https:\u002F\u002Fgithub.com\u002FAgibotTech\u002Fagibot_x1_infer\u002Fissues\u002F8",{"id":145,"question_zh":146,"answer_zh":147,"source_url":148},33636,"无法查看 \u002Fjoint_cmd 话题，提示消息类型无效怎么办？","这是因为自定义的消息包环境变量未加载。需要在终端中 source 相应的设置脚本。尝试执行以下命令之一：\nsource \u002Fbuild\u002Fros2_setup.sh\n或者\nsource build\u002Finstall\u002Fshared\u002Fmy_ros2_proto\u002Flocal_setup.bash\nsource build\u002Finstall\u002Fshared\u002Fmy_ros2_proto\u002Flocal_setup.zsh","https:\u002F\u002Fgithub.com\u002FAgibotTech\u002Fagibot_x1_infer\u002Fissues\u002F26",{"id":150,"question_zh":151,"answer_zh":152,"source_url":153},33637,"安装 ONNX Runtime 后运行报错 'The requested API version [21] is not available' 或版本不匹配怎么办？","这通常是因为 ONNX Runtime 版本不正确或构建缓存冲突。解决方法：\n1. 确保安装正确的版本（如 v1.20.0）：git clone --recursive -b v1.20.0 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fonnxruntime\n2. 删除项目中旧的 build 目录（rm -rf build），清理缓存。\n3. 重新构建项目。","https:\u002F\u002Fgithub.com\u002FAgibotTech\u002Fagibot_x1_infer\u002Fissues\u002F16",{"id":155,"question_zh":156,"answer_zh":157,"source_url":158},33638,"编译 ONNX Runtime 时出现 Eigen 相关的模板参数类型不匹配错误怎么办？","这是 Eigen 版本兼容性问题。可以尝试以下方案：\n1. 尝试使用 ONNX Runtime v1.18.2 版本。\n2. 或者手动修改 CMake 配置，注释掉 find_package(Eigen3 CONFIG) 行，强制使用内部依赖的 Eigen 版本。\n3. 也可以直接下载预编译好的 onnxruntime-linux-x64-1.20.0.tar.gz 包使用。","https:\u002F\u002Fgithub.com\u002FAgibotTech\u002Fagibot_x1_infer\u002Fissues\u002F2",{"id":160,"question_zh":161,"answer_zh":162,"source_url":163},33639,"在 WSL2 环境中 Xbox 手柄无法控制仿真中的机器人运动怎么办？","WSL2 对手柄直通支持有限，且可能涉及话题后端配置问题。建议参考相关 Issue（如 #10）排查 JoyStickModule 和 RlControlModule 的后端配置（local 还是 ros2）。如果命令行控制正常但手柄无效，可能是 WSL2 下输入设备映射问题，建议在原生 Linux 环境下使用手柄，或通过其他映射工具将手柄信号转换为键盘指令进行测试。","https:\u002F\u002Fgithub.com\u002FAgibotTech\u002Fagibot_x1_infer\u002Fissues\u002F15",[]]