我用 ESP32 做飞机姿态仪，还能跟塔台连麦对话 一块 ESP32 开发板 + 触摸屏 + 六轴 IMU，我做了一个拿在手里随便转、画面都跟得上的飞机姿态仪，还能按住按钮跟"塔台"连麦对话。 姿态仪本体：地平线和俯仰梯居中，顶部横滚刻度弧，左空速带、右高度带、底部罗盘，配四个荧光绿读数窗；提示音覆盖拉起、失速抖杆、坡度、超速和整套进近高度喊话。 语音链路五步，全部本地跑： ① 按键说话，ESP32 走 WiFi 把语音传到电脑 ② Qwen3-ASR-1.7B 本地识别，半秒内出字 ③ MiniCPM5-2B 写塔台回复——它会先读姿态仪的实时数据，你人在天上还喊"请求起飞"，直接怼回来 ④ VoxCPM2 音色迁移，拿一段塔台录音做参考，合成同款音色 ⑤ 加电台信道音效，回传设备播放 从松手到塔台开口，大概 2~3 秒。 代码大部分是我和 Kimi Code 对话聊出来的。 项目已开源 ，esp32-attitude仓库：github.com/emwstudio/esp32-a… #esp32 #AI硬件 #创客 #ai语音对话 #飞机姿态仪

只用一台 MacBook，螃蟹机器人训到了跳高 0.27 米 本期实测螃蟹机器人原地跳高：站立时机身离地仅 10.7 cm，一跳 0.27 m，相当于自身高度的 2.5 倍 训练方案： • UniLab 强化学习框架 + MotrixSim 物理引擎 + PPO 算法 • 512 个平行仿真环境同时开练 • “标尺爬梯”式课程学习：横杆从 0.1 m 一档一档加到 0.3 m 实测数据：全程一台 MacBook Pro（Apple M5 · 16GB 内存），每轮迭代约 1.7 秒，三万轮共 13 小时。同任务同口径对比：MuJoCo 管线 0.215 m，MotrixSim 管线 0.224 m。 全流程已开源到 JumperEMW：github.com/emwstudio/JumperE… #Jumper #CrabRobot #OpenSourceRobot @KingKongRobo

我让螃蟹机器人测握力，结果直接捏扁空可乐瓶 本期在仿真环境里给螃蟹机器人测握力：弹簧测力计一口气捏到底，12.72N——捏扁一个空可乐瓶绰绰有余。 两个有意思的点： • 出厂握力只有 6.4N，用强化学习训练一把之后直接翻倍到 12.72N； • 跟真螃蟹比还有差距：同样 2.5 公斤体重，椰子蟹能捏出 2050N，是它的 160 倍。 目前都是仿真结果，真机跑通后再给大家汇报。 训练代码和配方已开放在 JumperEMW 仓库，想复现、想改、想教它新动作都欢迎。 代码与配方已开源到JumperEMW仓库：github.com/emwstudio/JumperE… #Jumper #CrabRobot #OpenSourceRobot @KingKongRobo

我让螃蟹机器人百米跑，直接跑出了 2.15m/s 我让螃蟹机器人 Jumper 在仿真里跑百米，速度表直接读到 2.15m/s。 · 全开源：外观 3D 打印、动作训练、控制代码直接开源 · 训练方法：MuJoCo 搭训练场 + PPO，约一万轮策略迭代跑出这套步态 · mjlab 控制窗口：键盘按 W 往前冲，2.0m/s 能稳稳跑完全程 · 目前均为仿真结果，真机跑通后再汇报 代码与配方已开源到JumperEMW仓库：github.com/emwstudio/JumperE… #Jumper #CrabRobot #OpenSourceRobot @KingKongRobo

我让 Microduck 机器鸭学会了拔河 本期给 Microduck 机器鸭加了一个新技能：拔河。两只鸭子背对背、麻绳穿环，谁把红带拖过自己的彩线谁赢——红队 12.3 秒把蓝队磨过线，全程无鸭摔倒。 方案明细： • 连接件：3D 打印开口抱箍，一颗螺丝收紧，前后 D 形拉环穿绳打结 • 算法：强化学习自对弈，mjlab 中 4096 只鸭子并行训练 • 训练环境：「1v1 鸭链互拉」，策略从零学起 说明：目前拔河为仿真结果，抱箍尚未上真机，跑通后再向大家汇报。 代码与配方已开源到DuckEMW仓库：github.com/emwstudio/DuckEMW #microduck

我让 Microduck 机器鸭学会了 360° 荡秋千（仿真） 基于 Hannes 开源的 microduck-swing，我重新训练了 Microduck 机器鸭，让它荡过最高点，完成 360° 大回环。 我用一张 RTX 4090D 训练了 4000 轮。仿真测试中，它 60 秒连续转了 7 圈，累计角度达到 2717.8°。 以上均为仿真结果。代码和训练配方已开源在 DuckEMW 仓库：github.com/emwstudio/DuckEMW #Microduck #机器鸭 #DuckEMW #双足机器人 #强化学习 #机器人仿真 #具身智能 #开源项目 #RTX4090D #机器人 #人工智能

我让 Microduck 机器鸭踩上了 2 米高跷（仿真训练） 一张 4090D 单卡，在仿真训练场里教会 Microduck 踩高跷，从 2 厘米的矮跷一路练到 2 米。 说明：本期全部为仿真结果，50 厘米以上属于纯仿真研究，还没上过真机，真打印出来能不能站住，试了再汇报。 复现脚本和评估数据已全部开源到 DuckEMW仓库：github.com/emwstudio/DuckEMW #Microduck #DuckEMW #双足机器人 #强化学习 #机器人仿真 #具身智能 #开源项目 #RTX4090D #机器人

Microduck 机器鸭平衡测试：双脚站上篮球保持 60 秒！ 鸭子机器人站在滚动的篮球上，稳稳站满 60 秒——这是 Hannes 开源的 microduck-basketball 项目，我在他的版本上续训了 500 轮，挑出了表现更好的一版。 它为什么站得这么稳： • 没有摄像头，看不到球，只靠关节角度、角速度、重力方向这些身体感觉 • 通过一个 LSTM 记忆网络，从刚才的晃动里推测球接下来怎么滚 • 训练时每 1.5 到 3 秒被随机推一把，练出了快摔瞬间救回来的能力 • 训练里惩罚动作的剧烈变化，平衡动作是细腻连续的微调 实测数据：原版 60 秒存活率 97.01%，续训版 98.34%；3072 次带推搡的尝试里只摔了 51 次，比原版少了 45%。 训练方法、评估数据和 4K 成片已开源到 DuckEMW 仓库：github.com/emwstudio/DuckEMW @pollenrobotics @HannesVonEssen #microduck

Microduck机器鸭百米跑，被我训练到了2.07m/s 一张 4090D 显卡，把刚开源的 MicroDuck 机器鸭练成了短跑选手，峰值速度 2.07 m/s。 训练方案： • 算法：PPO 强化学习 • 仿真：MuJoCo Warp 物理引擎，512 只鸭子显卡内并行开练 • 规模：一夜之间 13500 轮迭代 • 奖励函数：跑得快加分、双脚腾空加分、跑偏扣分、动作变形扣分 实测数据：峰值 2.07 m/s，瞬时读数冲到 2.20；公开成绩参考——Hannes 1.6 m/s、Max Sumrall 1.88 m/s。全程屏幕实时显示，数据可查。 训练代码、奖励配方、模型权重已全部开源到 DuckEMW 仓库：github.com/emwstudio/DuckEMW #Microduck @pollenrobotics

刚开源的Microduck机器鸭，被我用一张 4090D 教会跳舞 用一张 4090D 显卡，把刚开源的 MicroDuck 机器鸭教会了跟着《牛来》跳舞。 训练方案： ・机器人：MicroDuck ・硬件：单张 4090D 显卡 ・仿真与算法：MuJoCo 同时开 4096 个并行环境 + PPO，一支舞的策略跑 4000 轮迭代，约 2 小时 ・奖励设计：自写「节拍跟踪 + 参考动作匹配」奖励函数，按《牛来》的 BPM 编舞 实测数据：踩点中位偏差 26 ms；高潮部分深蹲幅度 45 mm、摆胯 27°，正拍点头锤准确砸下；12 只鸭子方阵齐舞一整首歌，无一摔倒。这套管线不只适用于跳舞——走路、平衡等动作技能理论上都可以用自定义奖励函数训练。 本期训练的模型权重、编舞文件和奖励配置会开源到 DuckEMW 仓库：github.com/emwstudio/DuckEMW @pollenrobotics

一张 4090 本地部署「AI 魔镜」：方圆一米内最帅的男人是谁？ 我在一张 4090 上部署了一面「AI 魔镜」——问她"方圆一米内最帅的男人是谁"，她会真的看你一眼再回答。 整个魔镜基于我的开源项目 VoxEMW 实现，模型分工如下： • 眼睛：MiniCPM-V 4.6（1.3B 端侧多模态） • 嘴巴：VoxCPM2（2B 免分词端到端 TTS） • 耳朵：Qwen3-ASR-1.7B（语音识别） • 脸：SoulX-FlashHead（数字人形象） • 大脑：DeepSeek V4 Flash API 显存实测：以上模型同时驻留一张 24G 显卡，占用 21.7G，刚好塞下。 VoxEMW项目仓库：github.com/emwstudio/VoxEMW

我把「河南妮儿」部署在了 MacBook 本地！ 本期给我的数字人「河南妮儿」补上了最后一块积木：在一台 16GB 内存的 MacBook 上，把数字人完整跑在本地，说完话 1.3 秒左右她就开口。 方案明细： • 数字人：VRM 格式 3D 形象，只渲染、不生成，不占任何推理资源 • 渲染：three.js + three-vrm，全部跑在浏览器里 • 口型：音素分析搬到服务端，每 32 毫秒一帧元音权重，跟着播放队列走——对齐的是播放时刻，不是生成时刻 • 情绪与微动作：大模型顺手判情绪驱动表情，外加眨眼、呼吸、视线跟随 • 语音链路：判停、转写、音色迁移全本地，只有大模型走 DeepSeek API 实测数据：整条管线内存占用约 12GB（16GB 水位偏高但稳）；开口时延 1.3 秒左右，最快测到过 1.26 秒。 VoxEMW项目仓库：github.com/emwstudio/VoxEMW

把「良子」装进 MacBook：本地 AI 语音聊天实测，时延压到 1.3 秒 本期把「良子」装进了一台 M5 芯片、16GB 内存的 MacBook：一个能听、能想、能用良子音色开口说话的 AI 语音助手，从我说完到它开口，实测约 1.3 秒。 整套系统拆成五块积木： • VAD 判停：Silero + SmartTurn，两个小模型跑在 CPU 上 • 语音转写：Qwen3-ASR 0.6B，跑在 Mac 显卡上 • 大脑：DeepSeek，整套系统中唯一上云的部分 • 语音合成：Qwen3-TTS，跑在 Mac 显卡上；一段录音加逐字台词即可迁移目标音色 • 人设：用「女娲」skill 蒸馏出来的角色设定 实测数据：端到端对话延时约 1.3 秒，最快一次 1.26 秒，日常快问快答、中途打断都能正常衔接。 VoxEMW项目仓库：github.com/emwstudio/VoxEMW

AI 视频通话时延压到 1.3 秒，4090 显卡本地部署实测！ 本期拆解我开源的 VoxEMW 数字人实时语音系统，看看端到端时延是怎么压进 1.3 秒的。 整个架构只有六块积木： 🔹 VAD 判停：Silero + SmartTurn 双模型接力，语义级确认说完才放行，800ms 重开宽限，不抢答不丢字（0.08s） 🔹 STT 转写：SenseVoiceSmall，0.1 秒语音转文字 🔹 LLM 大脑：Qwen3.8-27B 本地部署，流式输出，首句 0.8 秒 🔹 TTS 合成：VoxCPM2 音色迁移，流式首音 0.1 秒 🔹 Avatar 数字人：AVTR-1 唇形同步对齐 0.2 秒 🔹 Persona 人设：女娲 Skill 蒸馏，只给一个人名，自动调研生成完整人设 全部跑在一张本地 4090 上，不依赖任何云端 API，方案全开源。 VoxEMW项目仓库：github.com/emwstudio/VoxEMW #qwen #deepseek #kimi #codex #claude

一块 4090 跑通 AI 视频通话全栈：Qwen3.8-27B 本地部署，对话时延 2 秒 Qwen3.8-27B刚开源，我用了一晚上把它部署到本地 4090，把自研开源框架 VoxEMW 的 LLM 大脑从 DeepSeek API 换成了这个本地 27B，实测时延从 2.4 秒降到 2.0 秒。 #qwen #deepseek

Wan Animate 2：让数字人峰哥实现跳舞自由，4090本地可部署！ 给数字人峰哥接入 Wan Animate 2 角色动画能力，实现照片驱动跳舞。基于 VoxEMW 框架开发「跳舞积木」模块，上传一段舞蹈视频 + 人物全身照即可生成专属舞蹈。 VoxEMW项目仓库：github.com/emwstudio/VoxEMW

给AI数字人装上长期记忆和知识库！传过的文档他能读，聊过的事他记得。基于开源实时语音框架，单卡本地部署。 本期讲清楚记忆模块和RAG知识库的实现，以及WebRTC音画传输的优化方案，带宽直降一个数量级。 VoxEMW项目仓库：github.com/emwstudio/VoxEMW

数字人通话延迟再降 0.5 秒！单张 4090 就能部署，冲击 2 秒大关 又缩短了 0.5 秒，数字人视频通话延迟逼近 2 秒大关。 VoxEMW项目仓库：github.com/emwstudio/VoxEMW