RP2040 Doom 项目下载及安装教程
1. 项目介绍
RP2040 Doom 是一个为 Raspberry Pi RP2040 微控制器开发的完全功能的 Doom 移植项目。该项目基于 Chocolate Doom 进行开发,并进行了大量修改以支持在 RP2040 设备上运行,特别是能够在只有 2M 闪存的 Raspberry Pi Pico 上运行完整的 DOOM1.WAD 文件。该项目不仅支持 DOOM1.WAD,还支持 Ultimate Doom 和 Doom II 在 8M 设备上的运行。
2. 项目下载位置
要下载 RP2040 Doom 项目,可以使用以下命令从 GitHub 仓库克隆项目:
git clone https://github.com/kilograham/rp2040-doom.git
3. 项目安装环境配置
在开始安装之前,需要确保系统中已经安装了必要的依赖项。以下是所需的依赖项及其安装方法:
3.1 安装 CMake
CMake 是一个跨平台的构建工具,用于生成 Makefile 或其他构建文件。可以通过以下命令安装:
sudo apt-get update
sudo apt-get install cmake
3.2 安装 pico-sdk 和 pico-extras
pico-sdk 是 Raspberry Pi Pico 的官方 SDK,而 pico-extras 提供了额外的库和工具。可以通过以下命令安装:
git clone -b develop https://github.com/raspberrypi/pico-sdk.git
git clone https://github.com/raspberrypi/pico-extras.git
3.3 安装 ARM GCC 工具链
为了编译 RP2040 的代码,需要安装 ARM GCC 工具链。可以通过以下命令安装:
sudo apt-get install gcc-arm-none-eabi
3.4 环境变量配置
在安装完 pico-sdk 和 pico-extras 后,需要设置环境变量以便 CMake 能够找到这些库。可以在 ~/.bashrc 文件中添加以下内容:
export PICO_SDK_PATH=/path/to/pico-sdk
export PICO_EXTRAS_PATH=/path/to/pico-extras
然后运行以下命令使环境变量生效:
source ~/.bashrc
3.5 图片示例

4. 项目安装方式
在完成环境配置后,可以开始构建 RP2040 Doom 项目。以下是构建步骤:
4.1 创建构建目录
首先,创建一个构建目录并进入该目录:
mkdir build
cd build
4.2 运行 CMake
在构建目录中运行 CMake 以生成 Makefile:
cmake ..
4.3 编译项目
运行以下命令编译项目:
make -j4
4.4 生成 UF2 文件
编译完成后,会在 build 目录下生成多个 UF2 文件,这些文件可以直接上传到 Raspberry Pi Pico 上运行。
5. 项目处理脚本
RP2040 Doom 项目包含一个名为 whd_gen 的工具,用于将 WAD 文件转换为 RP2040 Doom 特定的 WHD/WHX 格式。以下是使用 whd_gen 的步骤:
5.1 构建 whd_gen 工具
在构建目录中运行以下命令以构建 whd_gen 工具:
make whd_gen
5.2 使用 whd_gen 转换 WAD 文件
使用 whd_gen 工具将 WAD 文件转换为 WHD/WHX 格式:
./whd_gen doom1.wad doom1.whx
5.3 上传 WHD/WHX 文件
使用 picotool 将生成的 WHD/WHX 文件上传到 Raspberry Pi Pico:
picotool load -v -t bin doom1.whx -o 0x10042000
通过以上步骤,您可以成功下载、安装并运行 RP2040 Doom 项目。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00