Kachaka API快速入门指南:基于JupyterLab的开发体验
2025-06-10 17:20:18作者:温艾琴Wonderful
前言
Kachaka作为一款智能移动机器人平台,提供了丰富的API接口供开发者调用。本文将详细介绍如何通过JupyterLab快速体验Kachaka API功能,无需复杂环境配置,只需浏览器即可开始开发。
JupyterLab环境准备
连接准备
-
获取设备IP:
- 通过配套手机应用的设置菜单查看Kachaka的IP地址
- 确保开发电脑与Kachaka处于同一局域网
-
访问JupyterLab:
- 在浏览器地址栏输入:
http://<Kachaka_IP>:26501/ - 使用默认密码"kachaka"登录
- 在浏览器地址栏输入:
安全提示:建议首次使用后修改默认密码,修改方法见下文"密码修改"部分。
密码修改指南
如需增强安全性,可按以下步骤修改JupyterLab访问密码:
- 在JupyterLab界面启动Terminal
- 执行命令:
jupyter lab password - 输入并确认新密码
- 重启Kachaka设备使新密码生效
示例代码实践
获取示例代码库
- 在文件浏览器中找到并打开
README.ipynb - 点击工具栏的"全部运行"按钮(▶▶)
- 根据提示重启内核(如有需要)
- 等待代码库克隆完成,将自动创建
kachaka-api目录
环境配置
首次运行前需安装依赖库:
- 导航至
kachaka-api/python/demos目录 - 打开
install_libraries.ipynb - 执行全部单元格完成依赖安装
语音功能示例
体验基础语音API:
- 打开
speak.ipynb文件 - 执行代码后,Kachaka将说出预设问候语
- 可修改文本内容测试不同语音输出
API探索与实践
完整API文档
kachaka_api_client.ipynb提供了:
- 所有可用API的详细说明
- 每个方法的调用示例
- 参数说明和返回值解释
推荐学习路径
- 按顺序逐个执行API示例
- 观察每个方法的实际效果
- 尝试修改参数测试不同行为
- 组合多个API实现复杂功能
开发建议
-
调试技巧:
- 使用小单元逐步执行代码
- 善用print输出中间结果
- 注意API调用的返回状态
-
性能优化:
- 避免高频调用移动相关API
- 合理使用异步方法
- 注意资源释放
-
安全注意事项:
- 不要在生产环境使用默认密码
- 谨慎执行移动相关命令
- 操作前确认周围环境安全
通过本指南,开发者可以快速上手Kachaka API开发,后续可进一步探索导航控制、传感器数据获取等高级功能。建议从简单示例开始,逐步构建更复杂的应用场景。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217