Arduino-Pico 4.5.4版本发布:ADC输入修复与功能优化
项目简介
Arduino-Pico是一个将树莓派RP2040微控制器支持集成到Arduino生态系统中的开源项目。它允许开发者使用熟悉的Arduino API和工具链来开发基于RP2040芯片的应用程序,同时充分利用该芯片的双核处理能力和丰富外设。
4.5.4版本更新亮点
最新发布的4.5.4版本虽然是一个小版本更新,但包含了几个重要的修复和改进,特别是针对ADC输入功能的修正,这些改进将显著提升开发体验和系统稳定性。
1. ADC输入功能修复
本次更新中最关键的修复是针对ADCInput的掩码问题(#2937)。在之前的版本中,ADC输入可能存在数据读取不准确的情况,这会影响依赖精确模拟输入的应用程序,如传感器数据采集、电池电压监测等场景。修复后,ADC模块将能正确读取和处理输入信号,确保模拟量测量的准确性。
2. OTA升级安全增强
无线升级(OTA)功能现在要求Arduino IDE在操作时输入密码(#2938)。这一安全改进防止了未经授权的固件更新,特别适合需要远程维护的设备或在共享开发环境中的使用场景。
3. 硬件支持扩展
版本4.5.4增加了对Adafruit Metro RP2350开发板的PSRAM支持选项(#2961)。PSRAM(伪静态随机存取存储器)扩展了内存容量,使得开发更复杂的应用程序成为可能,如图形处理、大数据缓冲等。
此外,还修复了WIZnet W55RP20-EVB-Pico开发板的引脚定义问题(#2956),确保SPI0接口和LED引脚的正确分配,并添加了PICO_RP2350目标平台的定义(#2939),为更多硬件变体提供支持。
4. 系统稳定性提升
本次更新引入了堆栈保护机制崩溃时的panic处理替代exit(#2955)。这一改变使得在发生堆栈溢出等严重错误时,系统能够提供更详细的调试信息,而不是简单地退出,有助于开发者更快地定位和解决问题。
5. I2C功能增强
Wire库新增了setBufferSize()方法(#2962),允许开发者根据应用需求调整I2C通信缓冲区大小。这对于需要传输大量数据的I2C设备特别有用,如高分辨率传感器或显示模块。
升级建议
对于正在使用Arduino-Pico进行开发的用户,特别是那些依赖ADC输入或使用OTA功能的项目,建议尽快升级到4.5.4版本。新版本不仅修复了关键问题,还提供了更好的硬件兼容性和系统稳定性。
对于新用户,4.5.4版本提供了更完善的开发体验,是开始RP2040项目开发的理想选择。通过Arduino IDE的板管理器可以方便地安装和更新此版本。
结语
Arduino-Pico项目持续为RP2040微控制器提供强大的Arduino兼容支持,4.5.4版本的发布进一步巩固了这一地位。无论是修复关键问题还是增加新功能,都体现了项目团队对开发者需求的关注和对技术细节的把握。随着更多硬件平台的支持和功能的不断完善,Arduino-Pico正成为RP2040生态系统中的重要一环。
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