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。
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