Meme of LinOnetwo

初步想法是部署多个摄像头，覆盖所有死角。用传统视觉模型（YOLO 等）或视觉语言模型来标注每一个可以储物的位置，扫描上面的物品加入列表管理。

我在印象笔记里整理过，物品找不到的最主要原因就是遮挡。

需要处理多个摄像头的融合，做好本体链接，以免多个看到同一物体的摄像头重复统计。

需要思考具体的方案，可以训练或微调自己的模型。

问了王爽，他说不要用 SLAM 和 YOLO，这都是过时的方案了。现在就算是他们车企也都在用大模型了，他让我直接去折腾大模型，或者再看看 VLLM 做推理。