Control Engineering
Kanalga Telegram’da o‘tish
جهت ارتباط با ادمینها، به گروه کانال مراجعه کنین. https://t.me/+k1OZ6I6uW5YzY2I8
Ko'proq ko'rsatish2 302
Obunachilar
+124 soatlar
+27 kun
+2930 kun
Postlar arxiv
2 303
٭ مسیر یادگیری ROS 2
از یک Node ساده تا معماری کامل صنعتی ARCHO در انبار!
ROS 2: Zero to Robot — From First Node to Real Autonomous Mobile Robot
کتابی آموزشی تصویری شامل ۲۰ فصل کامل به زبان فارسی و انگلیسی:
بخش اول — پایههای ROS 2
فصل ۱. معماری ROS 2
فصل ۲. محیط توسعه ROS 2
فصل ۳. ارتباطات عملی ARCHO
بخش دوم — ساختن بدنه ARCHO
فصل ۴. بدنه ARCHO - URDF و Xacro
فصل ۵. TF2 و قابهای مختصات
فصل ۶. RViZ - داشبورد دیداری
بخش سوم — شبیهسازی و کنترل
فصل ۷. Gazebo -آزمایشگاه مجازی ARCHO
فصل ۸. ros2_control - از فرمان تا حرکت
فصل ۹. Odometry و ترکیب سنسورها
بخش چهارم — درک محیط و خودمختاری
فصل ۱۰. SLAM - ARCHO نقشه انبار را میسازد
فصل ۱۱. Navigation2 - مغز حرکت ARCHO
فصل ۱۲. Behavior Tree و Lifecycle Nodes
فصل ۱۳. Movelt2 - وقتی ARCHO دست بلند میکند
بخش پنجم — مقیاسپذیری و تحویل نرمافزار
فصل ۱۴. Multi-Robot - ناوگانی از ARCHOها
فصل ۱۵. Docker و CI/CD برای ROS 2
بخش ششم — سختافزار و استقرار صنعتی
فصل ۱۶. سختافزار محاسباتی ARCHO
فصل ۱۷. CAN Bus و EtherCAT
فصل ۱۸. از شبیهسازی تا ARCHO واقعی
فصل ۱۹. QoS، DDS، Diagnostics و ایمنی صنعتی
فصل ۲۰. معماری نهایی صنعتی ARCHO
پیوستها
پیوست الف. اتصال SolidWorks به URDF
پروژه تکمیلی Warehouse AMR ROS 2
پروژه تکمیلی Delivery Robot ROS
نسخه انگلیسی کتاب
✍🏻 Pouya Mansournia
@ControlEngineering98
2 303
+1
٭ دسترسی رایگان ۱۴ روزه به تمام مدلهای Zed Code
ادیتور Zed اشتراک ۱۴ روزه Pro خودش رو به همراه ۲۰ دلار اعتبار رایگان ارائه میده!
مراحل دریافت:
- وارد سایت بشید تیک Free trial پلن پرو رو بزنید.
- تو zed.dev/pricing با اکانت گیتهاب (قدمت حداقل 30 روز) لاگین کنید.
دانلود Zed Code
✍️ CypherDeveloper
@ControlEngineering98
2 303
Sliding Mode Control and Observation
Yuri Shtessel • Christopher Edwards
Leonid Fridman • Arie Levant
- Introduction: Intuitive Theory of Sliding Mode Control
- Conventional Sliding Modes
- Conventional Sliding Mode Observers
- Second-Order Sliding Mode Controllers and Differentiators
- Analysis of Sliding Mode Controllers in the Frequency Domain
- Higher-Order Sliding Mode Controllers and Differentiators
- Observation and Identification via HOSM Observers
- Disturbance Observer Based Control: Aerospace Applications
@ControlEngineering98
2 303
منبع
ترجمهای از مقالهی:
The AI Context Engineering Playbook: 15 Ways to Stop Burning Tokens and Get More From Your AI Tools
📎 مشاهدهی نسخهی اصلی
@ControlEngineering98
2 303
حرف آخر
اکثر برنامهنویسان روی مهندسی پرامپت (Prompt Engineering) تمرکز میکنند، یعنی چگونه سوالات بهتری از AI بپرسند.
مزیت رقابتی بعدی، مهندسی کانتکست است، یعنی AI قبل از اینکه شما سوال کنید، چه چیزی را میبیند.
من دو بار در یک روز به محدودیت Copilot خوردم چون با یک منبع محدود مثل یک منبع نامحدود رفتار میکردم. به محض اینکه شروع به مدیریت آگاهانهی کانتکست کردم، نشستهایم طولانیتر شد، پاسخها بهتر شدند و دیگر ارتقاء پلن را به عنوان راهحل مسئلهای که ربطی به پلن نداشت، در نظر نگرفتم.
هدف، استفادهی بیشتر از AI نیست. هدف، گرفتن ارزش بیشتر از هر توکن است.
2 303
جعبهابزارهای پیشنهادی
● CodeGraph: Repository search → Github
● Context7 MCP: Documentation retrieval → Website
● RTK: Log compression → Github
● Caveman Mode: Concise responses → Github
● Token Dashboard : Token monitoring → Github
● Claude Code: Context management
● Plan Mode: Planning before coding
● Session Handoff : Session optimization
2 303
تصویر کامل (نقشهی راه)
در اینجا نحوهی نگاشت همهی ۱۵ تکنیک به مشکلی که حل میکنند، آورده شده است:
2 303
۱۵. مصرف توکن رو مثل هر هزینهی فنی جدی بگیر
همونطور که هزینههای سرور ابری، APIها و دیتابیس رو ردیابی میکنی، مصرف توکن هوش مصنوعی هم باید در همین دسته قرار بگیره.
تیمهای مهندسی که با توکنها مثل زیرساخت رفتار میکنند:
● هزینهی کمتری برای اشتراکهای AI میپردازند.
● پاسخهای بهتر و منسجمتری دریافت میکنند.
● مصرف AI خود را بدون رشد خطی هزینه، مقیاسپذیر میکنند.
تیمهایی که این کار را نمیکنند، مدام به محدودیت میخورند و پلن اشتراک رو مقصر میدونن.
2 303
ابزارهایی مانند
CodeGraph، Context7 و سیستمهای RAG بر اساس این اصل ساخته شدهاند. تغییر از «تخلیهی بیرویه» به «دریافت هدفمند» جایی است که بیشترین پیشرفت را خواهید دید.2 303
۱۴. به جای دپو کردن اطلاعات، دقیقاً چیزی رو که نیاز داری پیدا کن
این مهمترین تغییر طرز فکری است که باید رخ دهد.
اکثر برنامهنویسان فکر میکنند:
همهچیز را به AI میدهم تا چیزی را از قلم نیندازد.مهندسی کانتکست میگوید:
دقیقاً همان چیزی را به AI میدهم که برای انجام این وظیفهی خاص نیاز دارد.
2 303
استفاده از یک مدل با قدرت استدلال بالا برای نوشتن یک فایل
README، مثل این است که یک معمار ارشد را برای جارو کردن حیاط استخدام کنید. از نظر فنی جواب میدهد، اما اشتباهی پرهزینه است.2 303
۱۳. از لایهبندی مدل (Model Tiering) استفاده کن
هر کاری به قویترین (و گرانترین) مدل شما نیاز ندارد. من از یک قانون ساده استفاده میکنم:
2 303
بهترین فایلهای راهنما، کوتاه، متمرکز، ساختاریافته و بهراحتی قابل کش هستند. ماهانه آنها را بازبینی کنید و بیرحمانه کوتاهشان کنید.
2 303
۱۲. جلوی حجیمشدن بیرویهی فایلهای راهنما را بگیر
این یکی حیلهگر است چون حس بهرهوری میدهد.
فایل
claude.md را میسازید. بعد به آن اضافه میکنید. بعد AGENTS.md. بعد project-rules.md. هرکدام به مرور زمان بزرگتر میشوند چون اضافه کردن، امنتر از حذف کردن به نظر میرسد.2 303
هر سهماه یک بار بررسی کنید. ابزارهایی که «فقط در صورت نیاز» وصل کردهاید را حذف کنید، چون در هر درخواست از شما هزینه میگیرند.
2 303
۱۱. سرورهای MCP خود را بررسی کن
سرورهای MCP قدرتمندند؛ آنها AI شما را به GitHub، Slack، Google Calendar، APIهای داخلی و ... متصل میکنند.
اما هر ابزار متصل شده، چه در آن نشست از آن استفاده کنید چه نکنید، به سربار (Overhead) کانتکست شما اضافه میکند.
2 303
ابزارهایی مثل
Token Dashboard به شما دید میدهند که توکنها دقیقاً کجا دارند مصرف میشوند. نمیتوانید چیزی را که اندازه نمیگیرید، بهینه کنید.2 303
۱۰. مصرف کانتکست را مثل زیرساخت مانیتور کن
شما CPU را مانیتور میکنید. حافظه را مانیتور میکنید. زمان اجرای کوئریهای دیتابیس را مانیتور میکنید.
آیا مصرف توکن را هم مانیتور میکنید؟ اکثر برنامهنویسان این کار را نمیکنند، تا وقتی که به محدودیت نرسند.
2 303
ویرایشهای کوچک در بالای پرامپت، کش شما را نابود میکند. محتوای پویا را در انتهای پرامپت قرار بده، نه در ابتدای آن.
