Xiaomi Vacuum Map Card与Roborock S7的重复清洁功能配置指南
2025-07-10 22:11:45作者:廉皓灿Ida
问题背景
在使用Xiaomi Vacuum Map Card控制Roborock S7扫地机器人时,用户发现通过send_command平台调用清洁房间功能时,重复清洁次数设置无效。虽然选择了2-3次重复清洁,但机器人始终只执行一次清洁。
技术分析
Roborock S7通过官方集成接入Home Assistant后,其清洁指令需要特定的参数格式才能正常工作。默认的send_command平台配置无法正确处理重复清洁参数,导致功能失效。
解决方案
要实现房间重复清洁功能,需要在Xiaomi Vacuum Map Card配置中手动指定服务调用模式。以下是关键配置要点:
- 在map_modes部分使用vacuum_clean_segment模板
- 设置repeats_type为EXTERNAL以启用外部重复控制
- 定义max_repeats参数限制最大重复次数
- 最重要的是配置service_call_schema,明确指定服务调用参数
完整配置示例
map_modes:
- template: vacuum_clean_segment
repeats_type: EXTERNAL
max_repeats: 3
service_call_schema:
service: vacuum.send_command
service_data:
command: app_segment_clean
params:
- segments: '[[selection]]'
repeat: '[[repeats]]'
target:
entity_id: '[[entity_id]]'
predefined_selections:
- id: 16
配置说明
- service_call_schema:定义了实际调用的服务及其参数格式
- app_segment_clean:Roborock特定的清洁命令
- segments参数:使用[[selection]]模板变量动态插入选择的房间ID
- repeat参数:使用[[repeats]]模板变量动态插入用户选择的重复次数
注意事项
- 此配置方案专为Roborock S7设计,其他型号可能需要调整参数
- 确保predefined_selections中的房间ID与机器人地图中的实际ID一致
- 未来版本可能会原生支持Roborock集成,届时可能不再需要此手动配置
通过以上配置,用户可以完美实现Roborock S7的房间重复清洁功能,提升清洁效果和使用体验。
登录后查看全文
热门项目推荐
相关项目推荐
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue08- 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
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
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
575
3.89 K
Ascend Extension for PyTorch
Python
396
474
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
360
219
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
902
706
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.39 K
787
昇腾LLM分布式训练框架
Python
122
148
React Native鸿蒙化仓库
JavaScript
312
365
暂无简介
Dart
814
200
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
124
161
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
93
161