probe-rs项目对RP2350芯片的支持进展与技术解析
在嵌入式开发领域,probe-rs作为一款强大的调试工具链,近期针对Raspberry Pi Pico 2所采用的RP2350系列芯片进行了重要更新。本文将详细介绍这一支持工作的技术背景、实现过程以及开发者需要注意的关键事项。
RP2350芯片架构特点
RP2350系列芯片是Raspberry Pi Pico 2的核心处理器,相比前代RP2040芯片具有显著的架构升级。该芯片采用了独特的双架构设计,包含两个Arm Cortex-M33核心和两个RISC-V协处理器,这种异构架构为调试工具链带来了新的挑战。
芯片的调试接口采用了更新的ADIv6(ARM Debug Interface version 6)协议,相比前代产品使用的调试接口有显著变化。ADIv6协议规范文档长达400页,实现完整支持需要深入的技术积累。
probe-rs的技术实现
probe-rs团队针对RP2350的支持工作主要分为几个技术方向:
-
ADIv6协议支持:这是最基础也是最具挑战性的部分,需要完整实现新版调试协议的各种功能特性。
-
多核调试架构:由于RP2350包含Arm和RISC-V双架构核心,调试工具需要能够识别和处理这种异构环境。
-
内存映射适配:需要根据RP2350的存储器布局调整目标描述文件,确保调试器能正确访问各内存区域。
目前,开发者可以通过安装特定分支版本体验RP2350支持:
cargo install --git https://github.com/konkers/probe-rs --branch wip/2350 probe-rs-tools --locked
实际开发中的注意事项
使用probe-rs进行RP2350开发时,开发者需要注意以下几点:
- 固件烧录方式:传统的UF2烧录方式可能需要调整,建议使用picotool进行转换和烧录:
picotool uf2 convert --verbose input.elf -t elf output.UF2
-
内存布局配置:需要确保memory.x文件正确配置,特别是要包含特殊的镜像启动块定义。
-
调试信息输出:部分开发者反馈defmt日志输出可能存在问题,需要检查链接脚本配置。
未来展望
probe-rs团队正在积极将RP2350支持工作合并到主分支中。这一工作不仅将为Pico 2开发者提供完整的调试支持,也为probe-rs未来支持更多采用ADIv6协议的芯片奠定了基础。
随着嵌入式处理器架构的不断发展,调试工具链也需要持续演进。probe-rs对RP2350的支持工作展示了开源社区如何应对新技术挑战,为嵌入式开发者提供强大的工具支持。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00