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。
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