wfb-ng项目25.01版本发布:分布式操作与硬件支持全面升级
wfb-ng是一个高性能的无线视频传输系统,专为无人机和地面站之间的实时视频传输而设计。它基于WiFi技术,通过优化的协议栈和错误纠正机制,实现了低延迟、高可靠性的视频传输。项目采用模块化设计,支持多种硬件平台,包括树莓派、Radxa和Orange Pi等单板计算机。
核心功能升级
本次25.01版本带来了多项重要改进,其中最引人注目的是分布式操作模式的引入。这一创新设计允许用户将多个主机和多个WiFi适配器组合使用,形成一个逻辑上的单一地面站或无人机实例。这种架构显著提升了系统的扩展性和灵活性,用户可以根据实际需求动态调整硬件资源配置。
分布式模式特别适合需要高可靠性传输的场景,通过多节点协同工作,可以有效克服单点故障问题,提高整体系统的鲁棒性。实现原理上,系统会自动协调各个节点间的数据分发和接收,对上层应用完全透明。
硬件支持扩展
在硬件兼容性方面,25.01版本取得了显著进展:
- 新增对Radxa Zero 3W/3E和Orange PI5的官方支持,通过libdrm硬件叠加层技术,在GStreamer窗口上实现了高效的视频渲染
- 全面支持OpenWrt 24.10系统,使普通路由器也能作为接收节点参与分布式系统
- 特别针对ath9k SoC的路由器提供了完整的收发功能支持
这些改进大大降低了用户构建系统的硬件门槛,使得更多设备可以参与到视频传输系统中来。
系统管理增强
新版本在系统管理方面引入了多项实用功能:
- 运行时FEC和无线电参数调整:通过wfb_tx_cmd工具,用户可以在不重启系统的情况下动态调整前向纠错参数和无线电设置
- WiFi设备自动检测:简化了初始配置流程,系统能够自动识别可用的无线网卡
- 无人机自动配置协议:实现了设备的即插即用功能,简化了部署流程
- 基于密码的密钥派生:用户现在可以使用易记的密码来生成加密密钥,提高了安全性同时降低了配置复杂度
开发者工具与集成
为方便开发者集成和监控,25.01版本提供了:
- JSON API接口:用于获取链路状态信息,便于与第三方系统集成
- 视频流中转服务:允许多个客户端同时接收视频流,解决了传统方案中的单连接限制
- 官方APT仓库:简化了在Debian系系统上的安装和更新流程
系统映像发布
项目团队同时发布了两个预配置的系统映像:
- Radxa3专用映像:默认用户名为rock,密码为rock
- 树莓派3专用映像:默认用户名为pi,密码为raspberry
这些映像包含了所有必要的组件和优化配置,用户可以直接烧录使用,大大缩短了部署时间。
技术实现亮点
在底层技术实现上,25.01版本有几个值得关注的创新点:
- 分布式架构采用了高效的节点间通信协议,确保多设备协同工作时的低开销
- 硬件加速的视频渲染通过libdrm实现,显著降低了CPU负载
- 自动配置协议采用了安全的握手机制,防止未授权设备接入
这些技术改进使得wfb-ng系统在性能、可靠性和易用性方面都达到了新的高度。
总结
wfb-ng 25.01版本的发布标志着该项目在分布式操作和硬件兼容性方面迈出了重要一步。新功能不仅提升了系统的专业性和可靠性,也降低了普通用户的使用门槛。无论是无人机爱好者还是专业应用开发者,都能从这个版本中获得显著的性能提升和操作便利。随着OpenWrt支持和更多硬件平台的加入,wfb-ng正在成为一个更加通用和强大的无线视频传输解决方案。
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