本次在本地电脑部署离线的大模型和RAG架构，并进行初步的功能测试，以简单地入门大模型及RAG架构。

🔥大模型部署

• 这次部署大模型使用的是Ollama，它一个开源的LLM提供商，部署简便很适合入门使用。

github仓库
需要先阅读本文所基于的上一个工作：基于DQN的机器人自动走迷宫

• 上次使用已有的库完成走迷宫任务的方案，需要通过获取全图视野来生成完美轨迹样本来进行训练，但是效果也是立竿见影。
• 但是很多时候没有办法把获取这样的完美样本，需要智能体从起点开始完全自主摸索获取轨迹样本，然后训练，所以本文尝试不使用全图视野获取来训练。

🔥大语言模型（LLMs）是什么

大模型：一般指1亿以上参数的模型，但是这个标准一直在升级，目前万亿参数以上的模型 (eg: MinMax abab6.5)也有了。大语言模型(Large Language Models，LLMs) 是针对语言的大模型。
大语言模型的关键特点包括:

技术：ROS2(humble) + Ardupilot + mavros + gazebo11

• ArduPilot 是一个功能丰富且灵活的开源自动驾驶平台，它的广泛适用性和开源特性，使其在无人系统领域得到了广泛应用。

• 之前用ESP32实现过用百度千帆模型进行大模型对话的功能，这次使用Python实现，并先通过麦克风输入语音，实现语音识别，再通过API调用大模型进行对话，这次让通过提示性内容引导模型输出分类，也就是完成简单的分类任务。

  可参考的链接：

  ESP32实现的文本对话——基于文心一言

🔥概述

• 本次任务使用图神经网络，以金融中异常检测为例，实现大规模图数据结构的分类预测。本任务基于的数据集DGraph，DGraph 是大规模动态图数据集的集合，由真实金融场景中随着时间演变事件和标签构成。

🔥概述

• 本次任务是使用DQN算法，训练一个机器人自动走迷宫。
  Maze类会生成如下的随机迷宫

本文基于的工作：ESP32实现的文本对话——基于文心一言
模块的资料：https://pan.baidu.com/s/1SYjj6a_ruBu_QVHq4mydgg?from=init&_at_=1705638174409#list/path=%2F
提取码：0000

• 我们将使用 SNR9816TTS 模块将大语言模型输出的文本转为语音后进行播放。

🔥前言

随着人工智能技术的不断发展，自然语言处理领域也得到了广泛的关注和应用。在这个领域中，文心一言作为一款强大的自然语言处理工具，具有许多重要的应用价值。本文将重点介绍如何通过ESP32接入国产大模型之文心一言api，以及其中的重点词汇或短语。

• 文章链接：网络篇——>电控篇——>综合篇
• 项目链接：https://github.com/LegendLeoChen/LeoCar
• 上次实现小车结构和电路搭建，先使用ESP32实现对小车的控制，以及电源方案的验证。
• 本次使用树莓派完成对小车的控制，以及视觉算法的加入。