概要

虽然近些年有关AR在人机交互方面应用的研究有很多，但是这些研究大都缺少系统性的分析

Recently, an increasing number of studies in HCI, HRI, and robotics have demonstrated how AR enables better interactions between people and robots. However, often research remains focused on individual explorations and key design strategies, and research questions are rarely analyzed systematically.

本文主要给目前AR人机交互领域做一下分类（基于460篇文章）
AR人机交互主要分为这几种研究维度

• approaches to augmenting reality
• characteristics of robots
• purposes and benefits
• classification of presented information
• design components and strategies for visual augmentation
• interaction techniques and modalities
• application domains
• evaluation strategies

AR最大的优势就是能够提供超出物理限制的丰富视觉反馈，减少工人的认知负荷
这个研究最终的目标是提供一个对于该领域的共同基础和理解。

Definition, Scope, Contribution, Methodology

HRI & Robotic Interfaces

机器人系统不单指传统工业机器人，在本研究中，我们不局限于任一种机器人。
Robotic interfaces 主要指”Interfaces that use robots or other actuated systems as medium for HCI”.

Contribution

该研究通过design space dimensions来呈现该领域的分类
拓宽了HCI和HRI的文献研究
讨论了促进该领域进一步研究的开放性研究问题和机会
有一个交互式网站 https://ilab.ucalgary.ca/ar-and-robotics/

分类

Approaches to augmenting reality

根据增强现实硬件的布置位置（dimension 1），可以分为

• on-body
• on-environment
• on-robot
  根据视觉增强的目标位置（dimension 2），可以分为
• augmenting robots
• augmenting surroundings

Characteristics of robots

1. the form factor of robots （机器人类型）
2. the relationship between the users and robots （n:m）
3. size and scale of the robots
4. proximity for interactions (交互距离)

Purposes and benefits

1. Facilitate Programming （类似毕设）
   • 在虚拟3D空间中编辑，可视化路径
   • 通过物体识别把现实物体映射到虚拟空间用于抓取
2. Support Real-time Control and Navigation
3. Improve Safety （类似毕设中的碰撞检测急停）
4. Communicate Intent （绘制机器人的意向轨迹）
5. Increase the Expressiveness （机器人的虚拟义体）

Classification of presented information

1. robot’s internal information
   1. robot’s internal status
   2. robot’s software and hardware condition
   3. robot’s internal functionality and capability
2. external information about the environment
   1. sensor data from the internal or external sensors
   2. camera or video feed
   3. information about external objects
   4. depth map or 3D reconstructed scene of the environment (就是hololens的环境感知网格)
3. plan and activity
   1. a plan of the robot’s motion and behavior
   2. simulation results of the programmed behavior
   3. visualization of a target and goal
   4. progress of the current task
4. supplemental content

Design components and strategies for visual augmentation

这篇主要讨论呈现AR内容的方式

1. UIs and Widgets
   1. Menus
   2. Information Panels
   3. Labels and Annotations
   4. Controls and Handles
   5. Monitors and Displays
2. Spatial References and Visualizations (将空间3D图像叠加显示到现实空间中)
   1. Points and Locations
   2. Paths and Trajectories
   3. Areas and Boundaries
   4. Other Visualizations（比如空间颜色/热图可视化）
3. Embedded Visual Effects （相较于Spatial References and Visualizations，不需要包含数据信息）
   1. anthropomorphic effects
   2. virtual replica
   3. texture mapping of physical objects
4. Anthropomorphic Effects (机器人的社交拟人内容（谁来给增强一下社交拟人功能）)
5. Virtual Replica and Ghost Effects （虚拟物品）
6. Texture Mapping Effects based on Shape (例如给衣服换个图案)

Interactions

1. Dimension-1. Level of Interactivity
   
2. Dimension-2. Interaction Modalities
   

Application Domains

Evaluation strategies

1. Evaluation through Demonstration (诸如在Seminar,workshop展示功能，示例程序)
2. Technical Evaluation
   1. 延迟测量
   2. 物体跟踪误差
   3. 成功率
   4. 与其他系统的对比（tracking system for example）
3. User Evaluation（通过访谈，问卷，通常和前两者结合）

Future

1. 使AR-HR更具实用性
   1. 头戴式AR设备的追踪误差（陀螺仪），可靠性仍需加强
   2. 在户外使用的局限性
2. 对AR HRI的新的设计探索
   1. 可以依靠AR设计不局限于物理限制的机器人
   2. 更好的开发环境（因为目前的AR开发仍然主要使用平面显示器，可以思考有没有基于AR显示做程序设计的应用）
3. AR for better decision making(针对用户)
   1. 可视化场景数据
   2. 可解释性的机器人操作
4. 新颖交互设计
   1. 更自然的交互方式（例如更自然地指定任务对象）
   2. 进一步融合虚拟和物理世界（让虚拟的交互能影响现实物理（经典最扯的放最后））

前摇部分

基本原理

本地增添博客内容(markdown文件)->hexo根据文件内容生成网页源码->上通过指令上传(push)到github->github自行部署静态页面

基本准备

安装git

https://www.cnblogs.com/xueweisuoyong/p/11914045.html

Github shh key

因为把本地写的内容传到github，需要绑定一个ssh密钥
参见：https://docs.github.com/en/authentication/connecting-to-github-with-ssh/generating-a-new-ssh-key-and-adding-it-to-the-ssh-agent

1

ssh-keygen -t ed25519 -C "guanshengyuanlu@163.com"

把这串公钥添加到github ssh settings里面

安装npm

https://blog.csdn.net/lizhong2008/article/details/133844070
最新版本即可

本地部署

设定本地的git config

1
2

git config --global user.email "guanshengyuanlu@163.com"
git config --global user.name "Draumurvakna"

克隆仓库

1
2

git clone git@github.com:Draumurvakna/MIGAO-Blog-Src.git
cd MIGAO-Blog-Src

安装环境

1
2
3
4

git submodule update --recursive --init   
npm update
cd themes/icarus
npm update

更新网站

1

./show.sh #预览

1

./deploy.sh #可以直接通过网页访https://draumurvakna.github.io/

正文

网站上的每一篇文章在本地都是一份markdown文本文件，存在source/_posts中

通过指令hexo new "article title" 来创建一篇新博客

然后到对应文件里面编辑就行了
markdown的编辑器推荐用typora，当然如果足够硬核的话用txt文本编辑器也毫无问题！

如果想添加图片的话，就往同文件夹下的资源文件夹（和这篇博客名字相同的文件夹）中添加照片然后在文中输入

1

可以参考Sample Blog

添加完自己想要的内容之后用./deploy.sh部署一下网站，稍等片刻，进到网站里就可以看到最新的变化了。

后

我想给博客换个背景

进到themes/icarus/source/img文件夹📁

如果重新部署后发现没有更改，那就网页里按一下<Ctrl>+F5

我想换个头像👤

如上图，改avatar.png

关于评论系统的话需要自己搞定o

参考 https://chen-yulin.github.io/2024/09/03/%5BOBS%5Dhexo-Hexo%20Comment%20System%20--%20Twikoo/

联邦学习（Federated Learning, FL）作为一种新兴的分布式机器学习方法，已经引起了大量研究的关注。要系统地理解联邦学习的相关研究，建议遵循以下结构化的阅读图谱，以便逐步加深对其原理、应用和挑战的理解。

1. 基础与概念性论文

这些论文介绍了联邦学习的基本概念、目标、以及经典算法，是了解联邦学习的起点。

• Konečnỳ, J., et al. (2016). “Federated Learning: Strategies for Improving Communication Efficiency” arXiv

  • 介绍了联邦学习的概念，提出了最早期的算法（如FedAvg），并讨论了如何优化通信效率。

• McMahan, H. B., et al. (2017). “Communication-Efficient Learning of Deep Networks from Decentralized Data” arXiv

  • 这篇论文提出了经典的Federated Averaging (FedAvg) 算法，系统阐述了在分布式环境下训练深度学习模型时的通信效率问题。

• Yang, Q., Liu, Y., Cheng, Y., Kang, Y., Chen, T., & Yu, H. (2019). “Federated Learning” ACM Transactions on Intelligent Systems and Technology (TIST)

  • 详细综述了联邦学习的基本框架、挑战、技术和应用，适合作为综述性的阅读材料。

2. 隐私保护与安全性

联邦学习的一个重要目标是确保数据的隐私和安全，这一领域的研究为其提供了理论基础和技术手段。

• Bonawitz, K., et al. (2017). “Practical Secure Aggregation for Federated Learning on User-Held Data” arXiv

  • 讨论了如何在联邦学习中实现安全聚合（Secure Aggregation），即确保服务器无法知道单个客户端的模型更新内容，以保护用户隐私。

• Geyer, R. C., Klein, T., & Nabi, M. (2017). “Differentially Private Federated Learning: A Client Level Perspective” arXiv

  • 探讨了如何将差分隐私（Differential Privacy）应用于联邦学习中，以确保用户模型更新时的隐私。

• Zhao, Y., et al. (2018). “Federated Learning with Non-IID Data” arXiv

  • 讨论了在非独立同分布（non-IID）数据的情况下，如何在联邦学习中实现模型训练，这是实际应用中的重要挑战之一。

3. 优化与效率

联邦学习中的通信和计算效率问题是该领域的关键研究方向，许多研究尝试通过各种方法优化模型训练过程中的资源消耗。

• Li, X., et al. (2020). “Federated Optimization in Heterogeneous Networks” arXiv

  • 讨论了在客户端计算能力和网络资源异质性情况下如何进行联邦优化。

• Kairouz, P., et al. (2021). “Advances and Open Problems in Federated Learning” arXiv

  • 这篇论文对联邦学习的现状、挑战以及未来的研究方向进行了系统性综述，覆盖了通信效率、模型性能、隐私保护等多个方面。

• Chen, M., et al. (2020). “Joint Learning and Communication Optimization for Federated Learning over Wireless Networks” arXiv

  • 探讨了如何在无线网络环境下优化联邦学习中的学习效率和通信效率。

4. 系统实现与工具

要更好地理解联邦学习在实际中的应用和系统架构，可以参考一些开源框架和实际实现案例。

• Google AI. “Federated Learning for Mobile Keyboard Prediction” Blog Post

  • 这是联邦学习最早的实际应用之一，讲述了Google如何使用联邦学习提升手机键盘的预测能力。

• TensorFlow Federated (TFF): GitHub

  • TensorFlow Federated是Google推出的一个开源框架，用于实现联邦学习的系统实验。通过阅读其文档，可以深入理解联邦学习的具体实现细节。

5. 联邦学习在各领域的应用

联邦学习在诸多行业中都具有广泛的应用，了解这些应用有助于扩展对联邦学习实际意义的认识。

• Rieke, N., et al. (2020). “The Future of Digital Health with Federated Learning” arXiv

  • 探讨了联邦学习在医疗健康领域的应用，特别是在跨医院数据无法集中共享的情况下如何训练模型。

• Hard, A., et al. (2019). “Federated Learning for Mobile Keyboard Prediction” arXiv

  • 描述了联邦学习在智能手机上如何用于改善键盘输入的预测性能。

6. 联邦学习的挑战与未来研究方向

对于未来的研究，联邦学习还面临许多挑战，比如系统异质性、模型性能与隐私保护的平衡等。

• Wang, J., et al. (2021). “Federated Learning: Challenges, Methods, and Future Directions” arXiv
  • 这篇论文对联邦学习面临的主要挑战进行了分析，如数据不均衡、通信成本、模型性能等，并提出了一些未来的研究方向。

联邦学习论文阅读图谱总结：

1. 基础理论：先了解联邦学习的基本框架和经典算法。
2. 隐私与安全：深入研究数据隐私保护和安全机制。
3. 优化与效率：关注如何优化联邦学习中的通信与计算。
4. 系统实现：通过工具和实际案例理解系统实现细节。
5. 应用领域：了解联邦学习在不同领域的实际应用。
6. 挑战与未来方向：展望联邦学习的未来挑战和潜在研究方向。

通过这个图谱，你可以系统地了解联邦学习的关键领域，并逐步深入到各个具体问题的解决方法与研究前沿。

Godot Editor

• Basic https://www.youtube.com/watch?v=q7wlSvt0JIc&list=PL4cUxeGkcC9iHCXBpxbdsOByZ55Ez4bgF
• UI https://www.youtube.com/watch?v=RHcHMRUGDHU
• UI doc https://docs.godotengine.org/en/stable/tutorials/ui/index.html
• UI theme
  • https://www.youtube.com/watch?v=jIk-OG5hG3k
  • https://www.youtube.com/watch?v=AxFKPXko35I
• performance https://www.youtube.com/watch?v=q1nwCJpjURQ

GDscript

• Basic https://www.youtube.com/watch?v=e1zJS31tr88
• Simplify https://www.youtube.com/watch?v=74y6zWZfQKk
• doc https://docs.godotengine.org/en/stable/tutorials/scripting/gdscript/index.html

GD-Shader

• Intro https://www.youtube.com/watch?v=BRPy8n2Ayc8
• doc https://docs.godotengine.org/en/stable/tutorials/shaders/introduction_to_shaders.html
• hand draw https://www.youtube.com/watch?v=4dfADUfyKTA&t=10s
• water wave
  • https://www.youtube.com/watch?v=VSwVwIYEypY
  • https://www.youtube.com/watch?v=tnCUzDhBGB0
• toon shader
  • https://www.youtube.com/watch?v=io2y8RgF39A
  • https://www.youtube.com/watch?v=1duRtTEc2SU
• Course https://github.com/gdquest-demos/godot-shaders?tab=readme-ov-file

VFX

Jolt

研究生层面的罗斯商学院双学位项目
密大方面提供的硕士学位（授课型）：

• 管理 30 credits
• 供应链（管理）30 credits
• 商务分析 (BA) 36.5 credits 挺适合转商科，量化分析（programming required）

密大的一年放在三年学制的最后一学年的6月~来年5月，我们认对方6学分，对方认我们Gateway
准入条件：

• 密院研究生
• 对方的线上面试方式

学费，5w$~6w$ （如果承认学分学费可以打折），生活安娜堡预计1000$/m，饮食1000$/m， 杂项500$/m

可以提供找工作的签证机会（利好留美发展者）
但是时间会和秋招冲突，会给国内找工作面试带来困难

发学位证书的时间在两边并不统一

26级包括专硕招生（和双学位挂钩）

https://dl.acm.org/doi/pdf/10.1145/3620666.3651367

Background

Qumode

Qumodes are a different way of carrying and manipulating quantum information than qubits.

就像二进制在电脑中的encoding方式，总共n bit的内存，那必然只能有 $2^n$ 种内存state，这是由二进制0或1的特性决定的。然后在让我们看qubit和qumode

States for qubits

If we go to qubits, not much in this picture changes. While a qubit has infinitely many possible states, it turns out that you should look at what is called the basis of the state space, which loosely said means that you should find the minimal number of states in which you can express every other state. For a qubit, this turns out to be two, for example the up state and the down state. To use the language from above, each qubit therefore has 2 ‘possible assignments’, and you have n of them, so by the arguments presented above, there are $2^ⁿ$ unique states. Because we are doing quantum mechanics, superpositions of these states are also allowed, but that doesn’t change the picture: the dimensionality of the system is still $2^ⁿ$.

Qubits是由单个光子的量子态决定的，的存储维数限制依然是 $2^n$

States for qumodes

Squeezing gates

是的，我在还没读完p10和p11的同时，开了p12的坑

这里摘写若干我认为有价值的原文或者书评

• “纯粹之爱”

  韩教授全文诉说的“爱欲”的最高形态被称作“纯粹之爱”，在这里他并没有直接做定义，我们则从斯滕伯格的爱情三元素理论开始理解即纯粹之爱需要包括激情、亲密和承诺才能构成“爱”的理性与感性并存。
  爱情既包括感性的甜蜜纵容，又有着理性的升华包容；既有着肉欲的激情冲动，还含有灵魂的契合相融。互相保有自主的空间，却也有着舒适的亲密感。相互信任并且互相理解。同时具有着“缘分”，这个缘分既能保证相遇，又能保证不分离。

• “爱欲”

  它包含在纯粹之爱之中也就是说是一种“爱的原发状态”，一种不完满的“爱”，它是主体在产生对性状的自我意识之后具备的“知性”（Verstand）能力，即能够综合分析判断“情”和“欲”的范畴，将这两个经验表象通过范畴结成的大网捕捉到自我之中形成观念。

• “情感”

  顾名思义这是爱的经验，是自我与他者之间产生的“情愫”，是“爱欲”被充实的质料。

• “性”

  这是一种主观的体验，也就是说它是在进行性行为之后的一种“体验”。

这四者之间的关系

纯粹之爱—超验（理性），爱欲（性欲）－先验（知性），情感（激情）－经验（感性），性体验（性满足）－后验（经验）

韩教授开篇便提出了“导致爱情危机的不仅仅是对他者的选择增多，也是他者本身的消亡……伴随着个体的‘自恋‘情节的加深。”这一直接观点，一针见血刺疼了时代的根源，当然我们还要区分“自恋”与“自爱”这对范畴。“自恋（Narzissmus）与自爱（Eigenliebe）不同。自爱的主体以自我为出发点，与他者明确划清界限；自恋的主体界限是模糊的整个世界只是自我的一个倒影。”也就是说自爱的人能够清晰的界定主体与客体（这个客体是具有自由意志的）、自我与他者，并且其认识标准和世界观是多元性的，此时他者对于自我而言是具有“意义”的。而“自恋”的人对于主客体之间没有能动的区分能力，无法认识到他者身上的差异性，在对于时空中的存在只是“自我”的缩影，即他者此时只是自我的强行解释。

在这里我们要明确的是，每个人在追求他者的时候都会或多或少的产出“愿望”，愿望不可避免，但其形式与质料必然存在差异。我们无需担心缺乏信息的“选择自由”会面临着“愿望的终结”，恰恰相反，因为愿望是相对于他者而言的愿望，“被剥夺的否定性滋养着愿望”。信息过多会导致他者无法被“理想化”，信息的缺失恰恰能缔造他者的存在，因为信息是肯定性的，而他者的塑造确是否定性的。“色情片就是通过将视觉信息无限倍地扩大来毁掉人们对情欲的想象的。”这也是为什么一旦接受了大量色情产物后面对真实的性行为时便不会得到健康完整的“性满足”，即齐泽克讨论的“快感”。

受爱欲驱使的灵魂能够创造出具有普遍价值的美的事物和行为。爱欲并非普遍认为的那样与感官和快乐对立。只是因为今天的爱情被世俗化为性爱，爱欲才逐渐远离了它们。”世俗化的爱情不再具备古希腊人所憧憬的美好品质——勇敢、激情，理性。而爱欲与生活甚至是政治息息相关，这也就引导我们来到了第六章的标题——爱欲政治学。缺乏这些品质的爱欲堕落成为了单向度的欲望，也就是对色情的向往。色情升级了自我的自恋倾向，使自我丧失了完成“爱情双人舞”的能力，因为自恋的自我拒绝与他者的融合甚至放弃认识他者。失去了对爱欲的追求，也就引伸联系到在现实生活中失去了创新和革命的源泉。韩炳哲教授在本章的最后说到：“表达出来的爱欲，代表着对其他个体生命形式和社群组织的革命性渴望。是的，它维护着人们对未来的忠诚。”

从书中全文我们能够清晰的看出，从历史传统中就出现定义的“纯粹之爱”正在面临威胁与危机，甚至是濒临“灭绝”的。女性主义哲学家波伏娃在她的著作《第二性》中说过“真正的爱情应该建立在两个自由的人相互承认的基础上。”，顾名思义，成立的条件为“自由”和“相互承认”，也就是同为主体和相互融合。然而这个条件在如今已然很难达成。不仅是个人主义自由主义的主流价值观扼杀了对“他者”的承认，资本社会下的景观社会也让爱欲变成了一种单向度的景观，虚假的需要代替了真实的需要，而人们无法辨别，不得不被迫的接受这个“当下的愿望”，甚至失去了抗争和批判的能力，把这一切当做“应有之义”。在最后我们引用一下张世英老先生的“人生四境界”与开篇的四种概念相对应。先生提到第一个也就是最低的境界是“欲求的境界”，在这个境界中人只知道满足个人生存所必须的最低欲望，其与世界的关系属于“主客未分”。第二是“求实的境界”，这种境界则进入了初步的“主—客关系”，人有了自我意识，能够分清自我与他者，寻求对“外物”的进一步理解，对于同为人的他者产生了“同类感”，以及道德意识。以此要进入第三种境界——“道德的境界”，其尚属于主—客关系的结构，但此时自我以对万物一体相通的领悟作为自己精神追求的最高目标，并为止奋斗不已，也就是具备了一种不惧生死的理性的追求精神但身处道德境界的过程中仍然存在着理想和现实之间的距离，所以仍有着主客的区别，也就是否定之否定并没有彻底完成没有达到破立扬弃之后的“融合”与新生。但道德的实现和完成，就是道德的极致，也就是道德境界的结束，便来到了第四种境界——“审美的境界”，这是一种高级别高纬度的“主客融合”也就是我们常说的“天人合一”的超越结构，它包摄道德却又超越道德人们不再出于道德义务的强制来做某事，不再只是为了“应该”（也就是前文所说的规训社会的代名词）而做某事，而是完全出于一种融合的自然的境界之中。这四种境界分别对应了性满足、情感、爱欲和纯粹之爱。

感觉也基本解释了为什么我对于某些恋人之间流露出的气场感到恶心，而有些则让我平静和享受，这是对于爱的审美在起作用。

看书的时候听的是玛丽亚凯莉的《Without You》和惠特尼休斯顿的《I Have Nothing》。感觉当代真的很难再找到配得上这两首歌的爱情了。

Useful Link

https://www.youtube.com/watch?v=cLWgjienc_s
https://github.com/habamax/vim-godot

Implementation

Nvim

安装vim-godot, 并且不用手动在配置中开启

1
2

{ "habamax/vim-godot", event = "VimEnter" },

在init.lua中，自动识别godot项目并且开启服务器端口

1
2
3
4
5
6
7

-- for godot
local gdproject = io.open(vim.fn.getcwd() .. "/project.godot", "r")
if gdproject then
	io.close(gdproject)
	vim.fn.serverstart("./godothost")
	vim.notify("Open godot project")
end

在dap/nvim-dap/dap-godot.lua中配置了dap debugger

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

local dap = require("dap")
dap.adapters.godot = {
	type = "server",
	host = "127.0.0.1",
	port = 6006,
}
dap.configurations.gdscript = {
	{
		type = "godot",
		request = "launch",
		name = "Launch scene",
		project = "${workspaceFolder}",
		launch_scene = true,
	},
}

其余dap的默认配置沿用之前的。
lsp:

1
2
3
4

lspconfig.gdscript.setup({
	capabilities = capabilities,
	on_attach = on_attach,
})

Godot Editor

参考视频中在编辑器配置中设置外部编辑器即可。

Reference: http://nilssondev.com/posts/my-journey-with-physics

Things Jolt Does Better

• Upfront about allocations. Jolt expects that you tell it how much memory will be needed for the simulation, which definitely results in better performance since Jolt won’t be reallocating a lot of memory during the simulation. (Jolt does provide a way of doing allocations dynamically, so upfront allocations isn’t a requirement)
• Better multi-core support. Out of the box Jolt will utilize multiple cores very well, whereas I’ve found that PhysX doesn’t utilize multiple cores all too well. Jolt was designed with this in mind whereas PhysX wasn’t.(多线程原生支持)
• Explicitly reference counted objects. When you create a new object in Jolt you’ll most likely get a “Ref” instance back. PhysX does utilize reference counting, but it’s not as apparent as it is with Jolt because PhysX returns pointers to most objects.
• Multiple collision shapes per body. Jolt handles this by providing a “compound” shape, which you construct from multiple other shapes, whereas PhysX just lets you add an arbitrary amount of shapes individually to any body. I’m not entirely sure how PhysX handles this internally, but I do know that Jolt computes these shapes into a single more optimal collision shape, meaning that collision tests are most likely more optimal.（最佳碰撞划分）
• Better Multi-Threaded access. Jolt was designed with this in mind, and most methods in Jolt supports being accessed by multiple threads at once, whereas PhysX requires you to make use of a “Task” system, which is poorly designed in my opinion.（多线程）
• Jolt achieves a higher simulation fidelity / better simulation quality out of the box. Jolt gives us some really good simulation values out of the box, whereas PhysX requires us to play around with a lot of parameters in order to get a high quality simulation.

Things PhysX Does Better

• PhysX has better simulation performance out of the box, whereas Jolt requires more careful setup and usage of the API in order to achieve good performance. Jolt does however gives more opportunities for optimizations, and can achieve better performance overall, but it does require more work（物理准确性方面更好）
• PhysX supports GPU-based simulation by utilizing the CUDA architecture, sadly this is limited to Nvidia GPUs only （可以显卡加速）
• The PhysX Visual Debugger (PVD) supports recording the simulation over the network, Jolt requires us to record the simulation to a file
• The PVD doesn’t just visually record our simulation, but also records the parameters of the simulation at any given moment, allowing us to inspect the parameters more easily. Jolt on the other hand only records the simulation visually.
• PhysX offers us more control over mesh collider cooking, giving us more parameters to mess around with
• PhysX has far better documentation overall, since it’s an older and more widely used API there’s more resources on it online, whereas Jolt lacks online documentation. The developer of Jolt is very active on the GitHub repository though, and has been very helpful with any issues I’ve encountered, or any questions I’ve had about the usage. This isn’t the case with the PhysX developers.（文档更完备）
• Achieves better performance when adding a lot of new bodies during the simulation. Jolt requires us to manually optimize the broadphase structure, and doing that when there’s already a lot of bodies in the broadphase can result in slowdowns temporarily.（在运行时创建物理物体更方便（？））

Objective

I use a hyprland plugin called hyprscroller to emulate the scroll functionality of PaperWM.
However, I can’t get whether I am in row mode or column mode, so I want to show the mode status on my waybar.

Related issue: https://github.com/dawsers/hyprscroller/issues/57

Implementation

I wrote two shell script under ~/.config/waybar/

• scroller_mode_listener.sh, responsible for listening the IPC message of hyprscroller and store that information in a tmp file. This script can be executed in hyprland config file using exec-once

  1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

  #!/bin/bash MODE_FILE="/tmp/hyprland_scroller_mode" function handle { if [[ ${1:0:8} == "scroller" ]]; then if [[ ${1:10:9} == "mode, row" ]]; then echo "Row" > "$MODE_FILE" elif [[ ${1:10:12} == "mode, column" ]]; then echo "Column" > "$MODE_FILE" #else #echo "" > "$MODE_FILE" fi hyprctl dispatch submap reset && pkill -SIGRTMIN+8 waybar # update the widget on waybar fi } # Initialize the mode file echo "" > "$MODE_FILE" socat - "UNIX-CONNECT:$XDG_RUNTIME_DIR/hypr/$HYPRLAND_INSTANCE_SIGNATURE/.socket2.sock" | while read -r line; do handle "$line"; done

• scroller_mode_reader.sh, responsible for reading the tmp file and return the json value to waybar to change the shown icon.

  1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

  #!/bin/bash MODE_FILE="/tmp/hyprland_scroller_mode" current_mode=$(cat "$MODE_FILE") if [[ "$current_mode" == "Row" ]]; then icon="Row" percent=0 class="mode-row" elif [[ "$current_mode" == "Column" ]]; then icon="Column" percent=100 class="mode-column" else icon="Row" percent=0 class="" fi echo "{\"text\":\"$icon\", \"tooltip\":\"Scroller Mode: $current_mode\", \"class\":\"$class\",\"percentage\": $percent}"

Then add the custom module to waybar in config file (we use signal to update the module):

1
2
3
4
5
6
7
8
9

"custom/scroller-mode": {
    "exec": "~/.config/waybar/scroller_mode_reader.sh",
    "return-type": "json",
    "interval": "once",
    "signal": 8,
    "on-click": "hyprctl dispatch submap reset && pkill -SIGRTMIN+8 waybar",
    "format": "{icon}",
    "format-icons": ["", ""],
}

Also remember to add the module to the bar:

1

"modules-right": ["custom/scroller-mode", "cpu", "memory", "temperature","battery","clock","custom/power"],

Then everything is done