EdgeTX开源项目v2.11.1版本技术解析
EdgeTX是一款开源的控制器固件项目,它为各类无线控制设备提供强大的功能和灵活的定制能力。作为OpenTX的继承者,EdgeTX在保持原有功能的基础上,不断引入新的特性和改进,为模型爱好者提供更出色的用户体验。
核心改进与优化
本次v2.11.1版本作为"Jolly Mon"系列的维护更新,主要针对用户反馈的问题进行了修复,同时引入了一些实用的新功能。值得注意的是,这个版本对电池电压计算方式进行了调整,建议用户重新校准手持设备电池电压测量值。
通用性改进
- 改进了数字霍尔摇杆的检测机制,提升了硬件兼容性
- 修复了非英语语言环境下可能导致引导程序溢出的问题
- 修正了全局变量作为权重/偏移源时的计算问题
- 优化了葡萄牙语翻译
黑白屏设备优化
- 修复了训练器界面中隐藏线(乘数)的显示问题
- 修正了硬件设置中跳过电位器时主视图更新错误的问题
- 重新组织了屏幕反转功能的逻辑位置
彩色屏设备增强
- 数值部件现在会为手持设备电压显示电压单位后缀
- 允许通过长按PAGE键在菜单间导航
- 在诊断页面显示可自定义开关的颜色标识
- 为Lua API增加了"菜单"弹出控件功能
- 为Lua选择弹出窗口添加了过滤功能
- 修复了多个页面CPU使用率过高的问题
- 修正了混控高级编辑标题第二行被截断的问题
- 解决了Lua脚本中LVGL"线"对象可能导致的崩溃问题
- 防止了使用函数时Lua LVGL对象绘制不正确的情况
- 改进了Lua脚本使用已删除LVGL对象时的错误处理
- 修正了选择S.PORT作为SBUS遥测时的错误
- 修复了频谱分析仪中网格线数组大小计算错误
- 解决了部件区域大小在启动时可能不正确的问题
- 改进了输出部件的更新机制
特定设备修复
- 修正了st16设备的PPM定时器问题
- 为mt12设备禁用了RTC_BACKUP_RAM以减少RTC时间丢失
- 修复了v14设备的开关定义错误并增加了v12/v14电池电压感应
- 修正了t20v2设备的默认发射器电池校准
- 优化了f4设备的SPI DMA传输
- 为h7设备增加了RTC备份RAM支持
- 改进了h7设备的通用驱动程序
技术架构改进
本次更新在技术架构层面有几个值得注意的改进:
-
LVGL升级:彩色屏设备升级到了LVGL 8.4版本,这带来了更现代的UI框架和更好的性能表现。
-
UI布局重构:重新设计了UI布局逻辑,使其能够更好地处理不同屏幕尺寸和方向,提高了界面的自适应能力。
-
硬件驱动优化:针对多种硬件平台(H7、F4等)进行了驱动程序的优化和改进,提升了系统稳定性和兼容性。
-
Lua脚本增强:为Lua脚本提供了更多控件和功能,扩展了自定义界面的可能性,同时改进了错误处理机制。
使用建议与注意事项
-
更新前准备:建议用户在更新前备份模型和控制器设置,更新后进行全面测试。
-
MacOS兼容性:Companion现在仅支持MacOS 13及以上版本,旧系统用户需停留在v2.10.5或更早版本。
-
文件格式支持:EdgeTX Companion v2.11不再支持二进制转换,无法打开.otx文件。如需处理旧格式文件,需使用旧版Companion。
-
无线训练器使用:当同时使用多协议模块(MPM)作为无线训练器和CRSF/ELRS时,建议不要超过250Hz,否则可能导致MPM无线训练器连接中断。
总结
EdgeTX v2.11.1版本虽然是一个维护更新,但仍然带来了多项重要的改进和修复。从底层驱动到用户界面,从硬件兼容性到脚本支持,这个版本在多方面提升了系统的稳定性、性能和用户体验。特别是对Lua脚本支持的增强,为高级用户提供了更大的自定义空间。建议所有用户升级到这个版本,以获得更稳定、更强大的控制体验。
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