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。
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