CircuitPython ESP32-S3 开发板启动循环问题分析与解决
问题背景
在CircuitPython 9.2.0-alpha.2351版本中,用户报告了某些基于ESP32-S3的开发板出现启动循环(boot loop)的问题。受影响的主要是Hacktablet(ESP32-S3 Dev Kit N8R8)和Makerfabs Matouch 7英寸显示屏开发板,而其他如Adafruit ESP32S3 reverse TFT、Qualia S3等开发板则工作正常。
问题现象
当用户在这些特定开发板上安装CircuitPython 9.2.0-alpha.2351固件后,系统会进入持续的启动循环状态。而在9.1.2版本中则没有这个问题。通过串口日志可以看到,系统能够完成固件加载,但随后会不断重启。
问题排查过程
-
初步分析:最初怀疑是666点时钟(dotclock)显示屏初始化问题,因为部分开发板会初始化显示接口。但进一步检查发现Makerfabs开发板实际上并没有在board.c中初始化显示,排除了这个可能性。
-
UART配置影响:通过实验发现,注释掉mpconfigboard.h中的UART控制台配置后,Makerfabs开发板能够正常启动:
#define CIRCUITPY_CONSOLE_UART_TX (&pin_GPIO43) #define CIRCUITPY_CONSOLE_UART_RX (&pin_GPIO44)以及sdkconfig中的相关UART配置:
CONFIG_ESP_CONSOLE_UART_CUSTOM=y CONFIG_ESP_CONSOLE_UART=y CONFIG_ESP_CONSOLE_UART_CUSTOM_NUM_0=y CONFIG_ESP_CONSOLE_UART_NUM=0 CONFIG_ESP_CONSOLE_UART_TX_GPIO=43 CONFIG_ESP_CONSOLE_UART_RX_GPIO=44 CONFIG_ESP_CONSOLE_UART_BAUDRATE=115200 -
其他可能受影响设备:根据代码分析,Espressif ESP32S3_LCD_EV和Lilygo twatch_2020_v3等开发板可能也存在类似问题,因为它们使用了类似的UART配置方式。
技术分析
这个问题似乎与9.2.0版本中UART控制台配置方式的变更有关。在之前的版本中,UART配置可能更加宽松或采用了不同的默认值。而在新版本中,某些特定的GPIO配置可能导致系统不稳定。
ESP32-S3的UART外设与GPIO映射关系较为复杂,不正确的配置可能导致系统无法正常初始化控制台,进而触发看门狗复位或硬件异常,表现为启动循环。
解决方案
-
临时解决方案:
- 对于Makerfabs开发板,可以暂时移除或注释掉UART控制台的配置
- 使用9.1.2版本固件
-
长期解决方案:
- 等待CircuitPython团队修复此问题
- 检查并更新开发板的UART配置,确保使用正确的GPIO引脚
- 考虑使用默认的UART配置而非自定义配置
开发者建议
对于使用ESP32-S3开发板的开发者,建议:
- 在升级到9.2.0及以上版本前,先备份当前工作固件
- 检查开发板的UART配置是否与硬件设计匹配
- 如果遇到启动循环问题,尝试禁用自定义UART配置
- 关注CircuitPython项目的更新,及时获取问题修复
这个问题展示了嵌入式开发中硬件配置细节的重要性,特别是在跨版本升级时,即使看似微小的配置变更也可能导致系统行为发生显著变化。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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