MicroPython在Raspberry Pi Pico上的多线程USB回调问题分析
问题背景
在MicroPython v1.23.0及更高版本中,Raspberry Pi Pico(RP2040)用户在使用_thread模块创建新线程时遇到了一个严重问题。当线程中包含无限循环(while True)时,系统会抛出"OSError: TinyUSB callback can't recurse"错误并崩溃。这个问题在v1.22.2版本中并不存在,表明这是新引入的回归性问题。
问题现象
用户报告的主要症状包括:
- 当使用_thread.start_new_thread()启动包含无限循环的函数时
- 系统会先打印出预期输出
- 随后立即抛出致命异常:"FATAL: uncaught exception"后跟"OSError: TinyUSB callback can't recurse"
- 设备完全停止响应
技术分析
这个问题源于MicroPython底层USB栈(TinyUSB)与多线程机制的交互问题。深入分析表明:
-
USB回调限制:TinyUSB设计上不允许在USB中断回调中进行递归调用,这是为了防止堆栈溢出和保证实时性。
-
多线程冲突:当新线程运行时,它会与主线程竞争USB资源。RP2040虽然是双核处理器,但USB外设是共享资源,需要严格同步。
-
版本差异:v1.22.2没有这个问题,说明v1.23.0在USB处理或多线程同步机制上有所改动,引入了这个回归。
影响范围
这个问题影响所有使用以下组合的用户:
- 硬件:Raspberry Pi Pico/Pico W(RP2040)
- 固件版本:v1.23.0及更高
- 使用场景:任何使用_thread模块创建新线程的代码
特别值得注意的是,即使线程中不直接操作USB设备,只要包含循环结构就可能触发此问题,因为MicroPython的REPL(交互式环境)本身也依赖USB通信。
临时解决方案
对于急需使用多线程功能的开发者,目前有以下几种临时解决方案:
-
降级到v1.22.2:这是最直接的解决方法,但会失去新版本的其他功能改进。
-
避免在线程中使用无限循环:可以改用有限次数的循环或事件驱动模式。
-
使用原生多核支持:RP2040支持真正的多核处理,可以考虑使用_raw模块或直接操作RP2040的第二个核心。
长期解决方案
MicroPython开发团队已经意识到这个问题,并在积极修复。从代码提交记录看,修复方案可能涉及:
- 改进USB回调机制:确保在多线程环境下安全调用
- 增强资源锁机制:为USB资源添加更严格的互斥保护
- 优化线程调度:避免线程切换与USB中断产生冲突
最佳实践建议
在等待官方修复的同时,建议开发者:
- 仔细评估是否真正需要多线程,许多场景下异步编程(asyncio)可能更合适
- 如果必须使用多线程,尽量减少线程间的资源共享
- 在线程中避免长时间阻塞操作,改用短时任务
- 考虑将USB相关操作集中到主线程处理
这个问题凸显了嵌入式系统中资源管理的复杂性,特别是在多核/多线程环境下对共享外设的访问控制需要格外谨慎。MicroPython团队对此问题的响应表明他们重视向后兼容性和用户体验,预计不久的将来会有稳定的修复版本发布。
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-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