Marlin固件中M119指令的耗材传感器状态报告问题分析
2025-05-13 01:16:43作者:裘晴惠Vivianne
问题背景
在Marlin固件的最新bugfix-2.1.x分支中,用户报告了一个关于M119指令(用于报告终端挡板状态)的问题。具体表现为耗材传感器的状态报告中缺少了"filament"标识文本,导致输出信息不完整。
问题表现
当用户执行M119指令时,输出结果中耗材传感器状态行缺少了应有的标识符:
Reporting endstop status
x_min: open
y_min: open
z_probe: TRIGGERED
: TRIGGERED <-- 这里缺少了"filament"标识
技术分析
这个问题源于PR #27539对endstops.cpp文件的修改。原始代码中使用了明确的字符串标识:
print_es_state(READ(FIL_RUNOUT1_PIN) != FIL_RUNOUT1_STATE, F(STR_FILAMENT));
修改后的代码虽然简化了状态检测逻辑,但遗漏了字符串参数:
print_es_state(!FILAMENT_IS_OUT()); // 缺少了F(STR_FILAMENT)参数
正确的写法应该是:
print_es_state(!FILAMENT_IS_OUT(), F(STR_FILAMENT));
影响范围
这个问题影响了所有使用耗材传感器功能且更新到包含PR #27539代码版本的Marlin固件用户。虽然不影响传感器功能的实际工作,但会导致状态报告信息不完整,可能影响用户诊断和调试。
解决方案
修复方法很简单,只需在调用print_es_state函数时补充上字符串参数。开发团队应该:
- 恢复字符串参数F(STR_FILAMENT)
- 保持简化后的状态检测逻辑(!FILAMENT_IS_OUT())
- 确保所有类似的传感器状态报告都包含适当的标识文本
预防措施
为避免类似问题,建议:
- 在修改状态报告相关代码时,保持标识文本的完整性
- 添加单元测试来验证M119指令的输出格式
- 在代码审查时特别注意输出信息的完整性
总结
这个案例展示了即使是简单的代码优化也可能意外影响用户界面的一致性。在固件开发中,保持用户反馈信息的完整性和一致性同样重要,特别是在诊断和调试相关的功能上。开发者需要在优化代码逻辑的同时,确保不破坏已有的用户接口约定。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (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
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137