Universal G-Code Sender 2.1.13版本发布:CNC控制软件的优化与增强
Universal G-Code Sender(UGS)是一款开源的CNC机床控制软件,它允许用户通过计算机发送G代码指令来控制数控机床。作为一款跨平台的解决方案,UGS支持Windows、macOS和Linux等多个操作系统,为CNC操作提供了便捷的用户界面和丰富的功能。
核心改进与功能增强
1. 多语言支持优化
开发团队持续完善了软件的多语言支持,在2.1.13版本中进行了多次翻译更新,使非英语用户能够获得更好的使用体验。
2. 探测功能改进
新版本对探测功能进行了多项优化:
- 在探测过程中自动清除ABC轴坐标值,避免干扰
- 新增了"探测后延迟"设置项,允许用户配置探测回缩后的等待时间
- 修复了探测时可能触发的软限位报警问题
3. 控制器状态管理
增强了控制器初始化时的状态检查机制,当软件启动时会自动重置控制器状态,确保系统从干净的状态开始工作。
4. 钻孔操作优化
改进了钻孔操作中的运动控制,在上行运动时使用快速移动(rapid movement),提高了加工效率。
新增功能亮点
1. 表面加工工具路径
2.1.13版本引入了全新的表面加工工具路径功能:
- 支持为表面加工创建专门的刀具路径
- 可配置刀具路径的偏移量
- 增加了进刀/退刀(lead in/out)设置
- 在加工结束时自动执行刀具回缩动作
2. SVG通用路径解析
新增了对SVG文件中通用路径(general path)的解析支持,扩展了软件处理矢量图形文件的能力。
3. 轮廓处理增强
改进了轮廓处理功能,使其能够正确处理空XY坐标的情况,提高了软件的健壮性。
4. 点操作增强
在点操作中增加了主轴转速设置选项,为用户提供了更精细的控制能力。
技术问题修复
1. 圆弧处理修复
解决了负半径圆弧处理的问题,确保这类特殊圆弧能够被正确解析和执行。
2. 工作流助手改进
修复了工作流助手中文件加载的问题,提高了功能可靠性。
3. 机器位置显示
新增了机器位置显示设置选项,用户可以根据需要配置是否显示机器坐标。
跨平台支持
UGS 2.1.13版本继续保持了对多平台的全面支持:
- Windows 64位系统
- macOS(包括传统Intel和现代ARM架构)
- Linux(x86_64、ARM和ARM64架构,支持树莓派等单板计算机)
技术实现特点
该版本在保持软件轻量级的同时,通过Java技术栈实现了跨平台能力。对于不需要完整Java环境的用户,提供了各平台的原生打包版本;对于高级用户,则保留了基于Java的通用版本。
总结
Universal G-Code Sender 2.1.13版本在保持软件稳定性的基础上,通过多项功能增强和问题修复,进一步提升了CNC控制的精确度和用户体验。特别是新增的表面加工工具路径和SVG解析功能,为专业用户提供了更多加工选项。跨平台的特性使其成为各类CNC设备控制的理想选择。
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