登录社区云，与社区用户共同成长
邀请您加入社区
文章摘要 本文介绍了LVM_INIT自动初始化机制的实现原理，通过GCC编译器的三个关键特性解决了传统单片机开发中初始化函数管理混乱的问题。首先利用__attribute__((used))防止函数被优化删除；其次使用__attribute__((section))将函数放入自定义段；最后利用编译器对同名段按字典序排序的特性实现初始化顺序控制。这种类似Linux内核module_init的机制，使
AI智能小车实战项目摘要 本项目实现了一个融合嵌入式与AI技术的智能小车系统，核心特点如下： 硬件架构： STM32作为控制核心（实时电机控制/传感器处理） ESP32-CAM负责视觉采集与无线通信 云端AI服务器运行YOLOv8/ResNet模型 关键技术： 实时控制系统：FreeRTOS任务调度+PID闭环控制 无线通信：WiFi图像传输+蓝牙近场控制 AI集成：目标检测、语音指令识别、标志分
使用灯哥开源FOC驱动板，版本为V3P。自带STM32转接板以及STM32F103C8T6最小系统板以及电源线。【自制FOC驱动器】深入浅出讲解FOC算法与SVPWM技术 - 知乎。在这里我只引用稚晖君部分内容，更多的是加上自己学习时遇到的问题与思考，如果看了我的部分难以理解，还是去看大佬的文章吧，直译是磁场定向控制，也被称作矢量控制，是目前无刷直流电机（BLDC）和永磁同步电机（PMSM）高效控
在AI Agent加速涌入物理世界的2026年，MimiClaw（C语言/1MB/极致效率）、ESP-Claw（C语言/HAL层/MCP设备互联）与 PycoClaw（MicroPython/2MB/实时修改），为嵌入式AI发展给出了三份截然不同的答卷。若追求极小物理空间、毫秒级响应、超低功耗，MimiClaw 是“一击必杀”的冷酷特工；若计划构建多设备协同的庞大IoT帝国，专注硬核工程稳定性与平
MimiClaw追求“够用即可”的驱动效率，适合硬件配置固定的个人项目；PycoClaw借助MicroPython生态获得便捷的硬件兼容性，兼顾开发效率与基础外设支持；ESPClaw将HAL抽象做到平台级，具备“硬件商店”式的生态扩展潜力，适合需要跨芯片、跨开发板移植的项目，能大幅节省重复开发成本。三者的差异，本质是“效率、便捷、可移植”的取舍。
电机控制领域核心产品涵盖APM32F035、APM32M3514、G32M3101电机控制专用MCU，配套GHD系列电机栅极驱动器、GHP智能功率IPM，同时G32R5系列实时控制MCU、G32R4系列编码器专用MCU可实现电机控制与位置反馈的一体化解决方案，APM32F4/F1系列工业级MCU也广泛适配通用电机控制场景。：覆盖低压无感双电机、高压水泵、风机、电动工具、工业变频、伺服驱动器、人形机
平时写单片机为了赶进度，往往把所有初始化和标志位判断都塞进 main.c，导致代码越来越像“面条”。用RTOS虽然能解耦，但在简单项目中又显得杀鸡用牛刀。为此，我决定自己造一个轻量、易懂的纯C裸机框架 LVM。本文是系列开篇，主要分享了框架蓝图设计的 5 个“舒服”功能：通过 LVM_INIT 实现带优先级和非阻塞延时的自动初始化，彻底解放 main 函数；通过 LVM_TIMER 简化后台定时任
mask>>=1)，由于I2C通信是从高位开始发送数据，所以先从最高位开始，0x80和dat进行按位与运算，从而得知dat第7位是0还是1，然后右移一位，也就是变成了用0x40和dat按位与运算，得到第6位是0还是1，一直到第0位结束，最终通过if语句，把dat的8位数据依次发送了出去。第二个字节发了一个0x62，但是出现的是NAK，说明这个地址没有产生应答。/******************
业务上遇到一个示波器traces采集的问题，他们用的采集脚本是好几年前的开源脚本，一直没有更新和维护，跟新的示波器不匹配，第一步通讯就卡住了，然后把问题抛给我。我对示波器的了解仅限于当年在大学实验课上接触过，并没有过多的了解，这次就当学习了。
AI Agent机器人：嵌入式开发与具身智能实践指南 本文系统介绍了AI Agent机器人的开发框架与实践要点。文章首先定义了AI Agent机器人作为自主智能体与物理机器人实体的结合体，具备自主性、具身智能和闭环智能三大核心属性。随后详细阐述了其六大核心能力体系，包括环境感知、理解推理、任务规划等，并提出了标准五层架构模型。针对ESP32-S3平台和MimiClaw框架，文章提供了嵌入式开发的技
本教程介绍在Radxa SBC的Debian/Ubuntu系统中使用Docker Compose部署Home Assistant Container的方法，并预留40-Pin GPIO排针接入温湿度传感器的方案。主要内容包括：安装Docker和Compose、创建配置目录结构、编写docker-compose.yml文件部署Home Assistant和Mosquitto服务、连接MQTT到Hom
20 0 0 0;0 0 0 1;-1 0 0 0];B = [0;1;0;1];C = eye(4);单片机中使用 LQR，真正重要的是工程流程，而不是只会公式。1. 确定控制对象2. 选择状态变量3. 建立状态空间模型4. 选择控制周期 Ts5. 离散化 A、B 矩阵6. 设置 Q、R7. 计算 K8. 单片机周期运行 u = -Kx9. 加入限幅、滤波、保护10. 实物调试和参数优化所以不要
LQR 在单片机中的实现并没有想象中复杂。u = -Kx建立模型计算 K 矩阵选择 Q 和 R实物调试而单片机实时运行时，只需要做简单的乘法和加法。可以这样理解：PID 是根据误差进行控制。LQR 是根据多个状态综合控制。PID 更适合简单系统。LQR 更适合状态较多、耦合较强的系统。对于平衡车、倒立摆、机器人底盘、云台控制、电机控制等项目来说，LQR 是一个非常值得学习的控制算法。上位机负责计算
这三个项目之间不存在绝对的优劣，它们解决的是同一个问题在不同约束下的最优解。如果你是学生，想学习如何在极致资源下编写 Agent，或者需要为一个 888KB 限制的设备添加 AI 交互——zclaw 是你的教科书。如果你是极客或普通用户，想快速拥有一个能聊天、提醒、控制设备、多平台通知的 AI 助理——MimiClaw 可以让你今天就用起来。
摘要传统嵌入式系统多采用“上位机+下位机”的分布式智能架构，而近年来以MimiClaw为代表的单芯片方案，成功将多模态感知、大模型推理与实时电机控制集成于一颗低成本MCU。本文从实时系统、推理框架及控制理论等维度，系统拆解这一闭环架构的软硬件协同设计，并探讨其工程边界与演进方向。
Mimiclaw 的硬件需求非常亲民，最低配置即可满足基础功能，整体成本控制在 25 元左右，具体要求如下：*- 芯片：ESP32-S3（核心器件，性价比首选）Flash：16 MB（用于存储程序、固件、记忆文件等）PSRAM：8 MB（支撑多轮对话上下文和传感器缓存）辅助配件：USB Type-C 数据线（用于烧录和供电）*选择 ESP32-S3 而非传统的 ESP32，核心原因有两点：一是其搭
架构上，从“分离式协同”到“一体化集成”：单芯片/异构SoC的应用，消除了板间通信延迟，降低了成本和功耗，为全链路闭环提供了物理支撑；技术上，从“单一感知”到“多模态融合”、从“简单控制”到“AI赋能”：多模态传感器融合让感知更全面，NPU和端侧大模型让决策更智能，高精度驱动让执行更精准；逻辑上，从“被动执行”到“自主进化”：分层决策架构兼顾实时性与智能性，元认知层让智能体具备自我学习、自我优化的
MQTT协议是专为物联网设计的轻量级发布/订阅协议，具有以下核心特点：1）采用发布/订阅模式，最小报文仅2字节；2）包含客户端和代理服务器两类角色；3）支持通配符主题订阅（单层+和多层#）；4）提供遗愿机制和三种QoS等级（0-2）；5）支持保留消息和会话管理。协议适用于智能家居等场景，通过心跳包保持连接，需确保客户端ID唯一性。MQTTX客户端使用需配置服务器地址、端口等五个参数，3.1.1版本
本文详细解析了一个由9个AI Agent组成的自动化外设配置系统工作流程。该系统能将自然语言需求转化为经过多重验证的量产级固件配置，主要流程包括：ContextManager划定任务边界，ParseAgent生成结构化规格，GenAgent编写防御性代码，BuildAgent处理编译问题，PreVerifyAgent进行静态检查，FlashAgent烧录固件，PreVerifyAgent(post
国产AI基础设施创新：DeepSeekV4大模型与GSV2221芯片的协同突破 国产AI生态正形成"模型+芯片+算力"的完整闭环。DeepSeekV4作为万亿参数开源大模型，需要强大的交互支持；GSV2221芯片则以32.4Gbps带宽、双4K输出和2.8W低功耗的特性，成为理想搭档。这对组合在四个维度展现协同价值： 多屏交互：支持双4K屏实时渲染，推理可视化时延低于8ms 边
摘要：国产AI大模型DeepSeekV4与高速互联芯片GSV6155深度协同，构建自主可控的AI基础设施。GSV6155作为Type-C/DP1.4重定时器芯片，具备32.4Gbps超高带宽、10米长距信号增强等特性，完美解决大模型推理中的信号传输痛点。两者组合形成四大应用方案：智算中心集群长距互联、边缘算力多模态交互、服务器高刷可视化、便携终端移动推理。GSV6155为DeepSeekV4提供信
本文介绍了一套完整的红外-可见光图像融合算法端侧部署方案。通过知识蒸馏将教师网络的能力迁移至轻量学生网络（≈1.34MB），并使用ONNX导出、BPU量化等技术，最终在RDK X5嵌入式设备上实现80FPS的实时推理。方案在TF-1770基准测试中表现优异，量化后模型延迟降低27倍，同时保持与浮点模型相当的融合质量（SD 38.45/PSNR 66.83）。关键技术点包括多层次特征蒸馏、算子兼容性
本文基于自主开发的嵌入式 AI Agent 项目 MimiClaw（运行于 ESP32-S3 开发板），系统记录了整个开发周期中的架构设计、模块集成、典型故障及解决思路。MimiClaw 已实现多消息渠道接入（飞书、Telegram、WebSocket）、DeepSeek LLM 代理、博查搜索（联网检索工具）、技能系统、双电机差速驱动、WS2812 灯光控制、WiFi 配网与 OTA 预留等核心
当 AI 遇上嵌入式硬件，传统的“传感器→云端→执行”模式在实时性、功耗和隐私上暴露出明显短板。MimiClaw——一款基于ESP32-S3的双核开源机器人平台，给出了全新思路：将 AI 推理与运动控制物理分离，在微控制器上实现完整的智能闭环，让机器人即使断网也能自主决策。这里将深入解析 MimiClaw 的二次开发原理、全流程搭建、实战进阶阶段以及最易踩坑的十大难点。无论你是嵌入式开发者、AI爱
MCP73843-420I/MS是一款高精度线性充电管理芯片，采用MSOP-8封装，专为单节锂离子/聚合物电池设计。该芯片集成恒流恒压(CC/CV)充电算法，提供±0.5%的电压精度（4.2V），支持0.5A充电电流和4.5-12V输入电压。关键特性包括自动充电终止、0V电池激活、可编程安全定时器及0.25μA超低静态电流。其简洁的外围电路（仅需外部MOSFET和检流电阻）简化了设计，适用于便携设
本文详细介绍了Shell命令解释器的设计与实现，从基本原理到具体代码实现。Shell作为用户与操作系统内核交互的桥梁，负责解析和执行用户输入的命令。文章首先阐述了Shell的工作机制和Unix Shell的历史演变，然后逐步讲解了如何构建一个基础的Shell，包括输入处理、命令行解析、命令执行等核心模块。特别介绍了常用基础指令如reboot、cd、ls、cat和exec的实现原理，并深入探讨了系统
摘要：本章详细介绍了Shell命令解释器的设计与实现。Shell作为用户与操作系统内核交互的桥梁，其核心功能包括解析用户输入、执行内置命令和启动外部程序。文章首先阐述了Shell的历史演变，从最早的Thompson Shell到现代Bash、Zsh等。然后深入讲解了Shell的实现架构，包括输入处理、命令解析和执行模块。重点介绍了常用基础指令如reboot、cd、ls、cat和exec的实现原理，
系统调用API是用户程序与操作系统内核交互的桥梁，它通过封装底层硬件指令提供标准化的服务接口。本章详细解析了系统调用的实现机制，包括用户态与内核态的切换方式（如x86-64的syscall指令）、参数传递规范以及错误处理机制。重点构建了符合POSIX标准的三大核心功能：文件操作（open/read/write等）、进程管理（fork/execve/waitpid等）和内存管理（brk/mmap等）
这恰恰是当前AI的优势，它支持通过自然语言帮助用户实现与Linux的交互，天禧 AI Pro采用了“双生界面”，既保留了用户原有的传统 UI 操作习惯，也融入了AI能力，当用户需要协助时，在任何界面下只需“四指滑动”，即可快速唤醒AI搭档。在完全断网的环境里，天禧AI Pro在没有人工干预的情况下，通过底层文件浏览器精准调取了本地的历史文档，并在深度理解用户诉求后，自动跨应用唤醒本地文档处理软件，
本篇将详细介绍基于 Air8101 畅玩板开发钉钉机器人 APP的完整实验流程。依托 LuatOS 系统与 AirUI 轻量化图形框架，完成硬件环境搭建、软件环境配置、代码仓库准备等前期工作，循序渐进实现钉钉机器人 Webhook 配置、密钥加签、消息一键推送等核心功能，为整机功能调试与项目落地提供完整实操参考。
本章节将围绕 LuatOS 引擎与 Air8101 硬件平台，完整介绍智能售货机 APP 项目的前期搭建流程。从硬件选型、软件环境部署到代码仓库拉取，一步步完成开发前全部准备工作，为后续功能开发、界面调试与功能实验打下基础。
本文介绍了基于龙芯2K0300开发板和Lighttpd Web服务器搭建的动态监控仪表盘系统。该系统通过Shell脚本采集CPU使用率、温度、内存和存储等核心指标，利用Chart.js实现可视化表盘展示，具有5秒自动刷新和温度超阈值告警功能。文章详细阐述了环境配置、Lighttpd安装、监控脚本编写等实现步骤，并针对嵌入式环境优化了编码显示、宽度适配等细节。系统采用纯前端方案实现动态刷新，适用于工
能源生产场所的有毒有害气体监测迎来智能升级。传统监测存在盲区大、响应慢、数据利用率低等痛点，BRAV-7120边缘计算控制器通过多协议兼容（支持SF₆/O₂/CH₄等传感器）、毫秒级AI分析（LSTM/GRU时序预测）和实时联动控制（声光报警/风机启停），实现从被动响应到主动预防的转变。该方案具备67TOPS算力，支持边缘侧数据清洗与异常检测，报警响应＜100ms，较人工巡检提升4-6个数量级，同
写字机核心需求是提升动态性能（如运行速度、定位精度、运动平稳性）并通过单片机实现可靠控制，选用STM32F103C8T6单片机作为主控单元，其具备高速运算能力与丰富外设接口，可满足写字机对实时控制与多模块协同的需求。系统整体分为运动控制、驱动执行、位置检测、人机交互四大模块：运动控制模块由单片机承担，负责生成精准的运动轨迹（如直线、曲线插补）；驱动执行模块采用步进电机与A4988驱动芯片，实现写字
嵌入式硬件
——嵌入式硬件
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
AtomGit开源社区
openEuler 社区
DAMO开发者矩阵
DeepSeek技术社区
2048 AI社区
深开鸿 技术专区
