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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00