Universal G-Code Sender 2.1.15版本发布:新增网格吸附与深度图导入功能
Universal G-Code Sender(UGS)是一款开源的CNC控制软件,它允许用户通过计算机控制数控机床执行G代码程序。作为CNC加工领域的重要工具,UGS提供了直观的用户界面和丰富的功能集,从基本的G代码发送到高级的3D可视化模拟一应俱全。
核心功能更新
网格吸附功能
2.1.15版本引入了全新的网格吸附功能,这是CNC编程中一个极具实用性的改进。网格吸附允许用户在编辑或调整刀具路径时,将关键点自动对齐到预设的网格系统上。这项功能特别适用于:
- 精确对齐多个加工元素
- 保持加工路径的规整性
- 简化复杂轮廓的编辑过程
- 确保对称结构的精确性
网格间距可根据具体加工需求进行自定义设置,为精密加工提供了更高效的工作流程。
深度图导入器升级
原有的图像追踪功能已升级为更专业的深度图导入器,这一改进显著提升了从2D图像生成3D加工路径的能力。新版本支持:
- 灰度图像到深度数据的精确转换
- 可调节的深度映射参数
- 更流畅的预览体验
- 优化的算法处理效率
这项功能特别适合浮雕加工、艺术品复制等需要将平面图像转换为立体加工路径的应用场景。
用户体验优化
视觉改进
2.1.15版本对用户界面进行了多项视觉增强:
-
3D方向指示立方体:新增的3D方向指示器为用户提供了直观的空间参考,特别是在复杂3D加工时能快速确认当前视角方向。
-
可视化颜色自定义:用户现在可以完全自定义3D可视化中的各种元素颜色,包括刀具路径、工作区域、坐标轴等,满足个性化需求。
-
启动预加载画面:解决了软件启动时的"黑屏"问题,新增的预加载画面让用户明确知晓软件正在初始化。
操作控制改进
新版改进了运动控制相关功能:
- 重新设计的Jog控制器布局更符合人体工程学
- 优化了手动命令的日志记录,便于调试和复查
- 改进了睡眠模式下的控制器重置逻辑
多平台支持增强
2.1.15版本继续扩展对多种硬件平台的支持:
- 新增Linux aarch64架构原生支持,适用于树莓派等ARM64设备
- 优化MacOSX版本性能
- 完善各平台Java运行环境打包
国际化与本地化
开发团队持续完善多语言支持,本版本包含了对多个语言包的更新和修正,确保全球用户都能获得良好的本地化体验。
技术架构改进
在底层架构方面,2.1.15版本进行了多项优化:
- 修复了覆盖动作序列化问题,确保能正确添加到工具箱
- 改进了状态报告等手动命令的日志系统
- 优化了控制器在特殊状态下的重置逻辑
总结
Universal G-Code Sender 2.1.15版本通过新增网格吸附和深度图导入等专业功能,进一步巩固了其作为开源CNC控制解决方案的领先地位。同时,在用户体验、多平台支持和底层稳定性方面的持续改进,使得这个版本既适合专业用户的高阶需求,也能满足初学者的易用性要求。这些更新充分体现了开发团队对CNC加工工作流程的深入理解和对用户反馈的积极响应。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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-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
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