Valetudo 2025.01.0版本发布:机器人控制新纪元
Valetudo作为一款开源的机器人真空吸尘器控制平台,近日发布了2025.01.0版本。这个版本带来了多项重要更新,包括对新硬件设备的支持、MQTT功能的增强、地图渲染性能优化以及用户体验改进等。作为一款专注于本地化控制的解决方案,Valetudo持续为用户提供摆脱厂商云服务依赖的自主控制能力。
新硬件支持:Mova P10 Pro Ultra
本次更新最引人注目的是新增了对Mova P10 Pro Ultra机器人的支持。这款设备与Dreame X40和L40采用相似的硬件架构,但在功能上有所取舍。虽然它不具备在基座中存放拖布的功能,但其价格优势明显,市场售价约为600美元或更低。这一扩展使得Valetudo生态系统更加丰富,为用户提供了更多选择。
夜间更新通道改进
Valetudo的夜间更新通道在此版本中得到了实质性改进。之前版本中存在的一个问题是更新检查总是报告有新版本可用,这给用户带来了不少困惑。2025.01.0版本引入了有效的版本检查机制,现在能够准确判断是否有新版本可供更新,大大提升了用户体验。
MQTT功能增强
MQTT作为Valetudo与智能家居系统集成的重要桥梁,在此版本中获得了多项改进:
-
基座状态发布:对于支持状态监测的基座,现在可以通过MQTT获取其状态信息,这为自动化场景提供了更多可能性。
-
更多可选功能暴露:新增了三个可选暴露的能力项:
- 宠物避障功能(PetObstacleAvoidance)
- 地毯模式控制(CarpetModeControl)
- 地毯传感器模式控制(CarpetSensorModeControl)
-
连接稳定性修复:解决了MQTT客户端在某些情况下可能出现的无限锁定问题。这个问题曾导致首次设置机器人的用户不得不重启设备,现在这一困扰已得到修复。
地图渲染性能优化
地图渲染引擎进行了重要改进,现在会在绘制前将相同类型的路径进行简化和合并处理。虽然视觉效果保持不变,但在长时间清扫任务中,性能提升显著。这一优化使得资源占用更低,响应更加流畅。
耗材监控变更
本次更新对耗材监控系统进行了调整,需要注意以下不兼容变更:
-
sensor不再作为type存在,而是成为新引入的cleaning类型的subType。依赖此结构的代码需要进行相应调整。 -
这一变更会影响Home Assistant中的传感器清洁实体。解决方法是在更新前删除Home Assistant中的设备,更新完成后系统会自动重新发现并正确配置。
这些变更是为了适应Dreame新固件中引入的wheel耗材类型。同时,部分新固件已移除mop耗材监控,Valetudo也相应移除了这一功能。
Dreame设备新特性
针对Dreame系列设备,2025.01.0版本新增了两项特性:
-
清洁路径优化:新增"深度"清洁模式,显著提升清洁效果。
-
地毯侧边刷控制:对于配备可伸缩侧边刷的机型,现在可以设置在地毯上使用侧边刷。
这些功能需要最新固件支持,Valetudo团队已对Dustbuilder中的固件版本进行了更新和测试。
技术思考与展望
从技术角度看,Valetudo 2025.01.0版本体现了开源社区对智能家居设备本地化控制的持续追求。通过摆脱厂商云服务的依赖,用户不仅获得了更好的隐私保护,也避免了厂商可能引入的广告等商业化行为对用户体验的干扰。
在物联网设备日益普及的今天,Valetudo这样的项目为用户提供了重要的选择权。它证明了一个事实:智能设备完全可以不依赖云服务而提供出色的用户体验和功能。随着版本的迭代,Valetudo不仅在功能上不断丰富,在稳定性、性能和使用体验上也持续优化。
对于技术爱好者而言,Valetudo项目展示了开源社区如何通过逆向工程和创新思维,为用户重新夺回对智能设备的完全控制权。这种精神正是开源文化的精髓所在。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C090
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00