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。
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