深度估计是让机器"看懂三维世界"的基础能力——从一张二维图像恢复出每个像素的距离信息，是机器人导航、三维重建、自动驾驶与AR测量的前置环节。2025年提出的DepthAnything3（DA3）是新一代视觉几何基础模型。它以DINOv2为标准ViT骨干，无需针对不同几何任务设计专门网络，通过统一的"深度—射线"预测目标，可同时完成相机位姿估计、深度图预测与三

随着城市轨道交通网络规模持续扩张、客流时空分布日益复杂，传统依赖固定班次、经验调度与粗粒度客流统计的运营模式，已难以满足高峰拥堵疏解、运力调度优化、能耗精细管控及突发事件快速响应等现实需求。而普通视觉检测方案在隧道黑暗、阳光曝光、车窗反射、人员密集遮挡及双向交汇等复杂工况下，普遍存在感知稳定性不足、轨迹连续性较差、方向判别易受干扰、隐私保护能力有限等问题，难

姿态估计是目标检测的进一步扩展——模型在预测类别框体的同时，还要预测人体主要部位的关键点。YOLOv11-Pose由Ultralytics于2024年推出，提供基于COCO数据集的预训练权重，可检测图像或视频中的17个人体关键点，涵盖面部、肩肘关节与躯干等关键部位，已广泛应用于体育分析、动物行为监测与机器人等领域。本文记录灵眸科技工程师在EASY-EAI-P

当婴儿睡着、家长暂时离开、家人轮替照护时，谁来替我们"盯住"那几秒钟的安全？同济大学"大葱明向前葱队"的"基于RK3588的多模态婴儿智能监测系统"填补了这时间段看护的空白，并在“2026年全国大学生嵌入式芯片与系统设计竞赛”瑞芯微&飞凌嵌入式赛题中斩获国赛一等奖。该参赛项目覆盖婴儿睡眠、短时无人看护、多人轮替照护等典型场景，可持续监测婴儿的情绪与安全状态，

如何让机器人真正读懂人，而不只是完成对话交互？核心在于赋予机器人自然的表情表达与人机共情能力。对仿生机器人而言，研发的目标从来不是实现机械化的多轮对话，而是结合语言、表情与场景信息，读懂情绪、捕捉细节，还原人类最真实的需求。秉持这一理念，在本届全国大学生嵌入式芯片与系统设计竞赛瑞芯微&飞凌嵌入式赛题中，来自华南理工大学的参赛学生依托【RK3588】ELF2开

1.PIPNet简介XLSR作为2021年移动AI实时单图像超分辨率挑战赛而设计的一种新颖的图像超分辨率算法。它通过将高效移动网络模块设计理念与针对硬件特性的量化鲁棒性训练策略相结合，最终在移动设备上实现了一个兼具卓越重建质量、极低参数量和实时性能的轻量级超分网络，并赢得了该挑战赛的冠军。XLSR质量评估指标：PSNR值为29.58，SSIM值为0.86。1

面向复杂未知、存在潜在安全风险的密闭空间与工业场景的气体泄漏巡检、环境监测需求，本届全国大学生嵌入式芯片与系统设计竞赛瑞芯微&飞凌嵌入式赛题参赛团队，依托高性能【RK3588】ELF2开发板，设计实现了一套集成自主飞行、智能避障、气体检测与实时数据可视化功能的四旋翼无人机系统。该项目凭借出色的方案设计，一举拿下国赛一等奖与飞凌嵌入式企业杯的奖项。院校名称：燕

随着全屋智能与家庭服务机器人行业飞速发展，用户对于居家智能体验的需求，已经从简单的设备控制，升级为多模态自然交互、主动环境感知以及全场景家庭陪伴。但目前市面主流产品仍存在三大核心痛点：第一是隐私安全隐患。多数机器人依靠云端算力完成语音识别与逻辑推理，家庭私密音视频数据需要频繁上传云端服务器，存在数据泄露风险。第二是增值服务付费门槛高。巡检、远程控制、录像存储

什么是嵌入式系统的机器学习？机器学习是人工智能的一个分支，它使计算机能够通过不同技术，从数据中以迭代方式进行学习。我们的目标是让系统从数据中学习并进行预测。这与传统方法有明显区别：传统方式依赖程序员编写明确的指令，而不是从数据中学习模式。嵌入式系统中的机器学习则专门面向

一个老生常谈的问题：暗光下，摄像头就“瞎”了做过安防、车载或工业视觉的工程师都清楚：光线一旦变暗，传统ISP的图像质量断崖式下滑——噪点增多、细节丢失、色彩失真，严重时画面几乎不可用。硬件上堆更大靶面的传感器、加补光灯，当然能改善，但成本和功耗也随之上升。有没有一种办法，在不更换硬件的条件下，让现有摄像头在暗光下也能输出清晰的全彩图像？答案是：把ISP的“大