Arduino
PulseAugur coverage of Arduino — every cluster mentioning Arduino across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
创客构建7节点ESP32-S3集群以运行3.86亿参数LLM
一位创客成功构建了一个由七个ESP32-S3微控制器组成的定制集群，以运行一个拥有约3.86亿参数的大型语言模型。这是通过将模型的层分布在各个微控制器上并采用激进的量化技术实现的，包括一种新颖的1.58位三元量化用于权重。该项目在GitHub上进行了详细介绍，使用有线SPI连接进行节点间通信，以降低与无线方法相比的延迟。虽然推理速度很慢，大约每九秒生成一个词，但该项目为在资源受限的硬件上运行LLM提供了一个概念验证。
-
Python 的 MicroPython 和 CircuitPython 正在静默接管物联网和机器人领域
一篇新的研究论文探讨了 MicroPython 和 CircuitPython 在物联网 (IoT) 和机器人领域的日益增长的影响力。尽管 Python 在软件和数据科学领域已确立主导地位，但由于性能和内存限制，嵌入式系统在很大程度上依赖于 C/C++。本文通过分析生态系统增长、实际应用和性能基准，研究了 MicroPython 和 CircuitPython 在多大程度上弥合了这一差距。尽管基准测试显示这些 Python 实现比 C…
-
纽约州一学区暂停使用价值6万美元的机器人教师，因其制造商卷入性玩偶争议
纽约州北部的一所学区已暂停部署一款名为Sally的价值6万美元的AI机器人，此前该机器人引发了社区的强烈反对。家长、教师和州教育官员对该机器人的制造商Realbotix及其与一家生产性玩偶的公司有关联表示担忧。尽管该学区强调Sally的教育用途是面向技术专业的学生，并保证了数据隐私，但批评者对学生信息和可能取代人类教育者的担忧提出了质疑。
-
创作者发布3D打印电动摩托车设计文件
Ivan Miranda 发布了 Mirandetta 的设计文件，这是一款可拆卸以放入行李箱的3D打印电动摩托车。重新设计的 Mirandetta 采用了3D打印的轴和转向柱部件，取代了之前的金属零件。Miranda 已优化设计，使其可以在单个 300mm x 300mm 的打印床上打印，并标准化了许多组件，以便爱好者更容易组装。
-
小型AI模型为服务欠缺地区带来拯救生命的潜力
小型AI模型，通常拥有数十亿个参数，正成为缺乏先进基础设施的地区的重要工具。与需要强大计算能力和数据中心的大型语言模型不同，这些小型模型可以在智能手机或树莓派等设备上运行，从而在互联网接入有限和电力不稳定的地区实现应用。例如，在非洲的假药扫描仪、在印度的植物病害检测无人机系统以及在乌拉圭的害虫识别工具，都展示了它们在低收入和中等收入国家提供拯救生命服务以及改善农业和医疗保健的潜力。
-
AI加速电子项目的设计可视化
一位用户分享了他们使用AI快速可视化设计概念的积极体验，特别提到“受Arduino启发的壁炉”作为AI如何激发编程和电子项目创造力的例子。他们对AI能够从单个提示生成无限迭代的能力表示赞赏，与手动制作相比节省了大量时间。
-
FastGRNN模型部署在微控制器上实现实时推理
研究人员开发了一个端到端的流程，将FastGRNN模型部署在超约束微控制器上，特别是Arduino (ATmega328P) 和 TI MSP430。该方法侧重于为小型、普遍存在的设备重构AI算法，与扩展模型规模的趋势形成对比。部署的模型仅占用566字节的权重，在HAPT测试集上实现了0.918的宏F1分数，并能维持实时50 Hz流式推理。
-
Arduboy FX-C 在信用卡大小的设备上提供紧凑型游戏体验
Arduboy FX-C 是一款信用卡大小的掌上游戏设备。它提供了一个紧凑的娱乐解决方案，与日益增大的掌上游戏机趋势形成对比。该设备似乎由 Arduino 驱动，适合随时随地使用。
-
Google推出AI委员会，数据中心泄密引发透明度争论
Google推出了一款新的、经济实惠的开发板，旨在将AI功能集成到智能原型和可访问的项目中，将其定位为Raspberry Pi和Arduino等成熟平台的竞争对手。与此同时，关于AI数据中心的泄露文件重新引发了对其巨大能耗、安全漏洞以及运营急需更大透明度的讨论。
-
Rust 编译器支持在裸机 Arduino 上运行 Lua
研究人员开发了一种新颖的 Lua 脚本语言原生编译器，完全用 Rust 实现。该编译器绕过了对传统虚拟机 else 需求，使得 Lua 能够直接在裸机硬件上运行，例如 Arduino 微控制器。该项目旨在减少嵌入式系统的开销并提高性能。
-
开发者使用领域随机化训练鲁棒性强化学习智能体
一位开发者在利用领域随机化训练强化学习智能体方面取得了进展。该技术有助于创建更鲁棒的智能体，开发者已成功实施该技术以提高机器人处理推搡的能力。此外，相关 Arduino 代码中的后处理步骤已大大减少。
-
机器人爱好者展示使用强化学习的 AI 平衡机器人
一位机器人爱好者开发了一个由 AI 驱动的平衡机器人，展示了强化学习在控制系统中的潜力。初始迭代需要大量调整，凸显了弥合仿真与现实应用之间差距的挑战。未来的计划包括实施域随机化，以增强机器人的稳定性和鲁棒性。
-
开发者构建土壤监测器和 Gemini API 错误跟踪器
一位开发者本周末正在进行两个个人项目。第一个项目涉及使用 Arduino 板和传感器为番茄植物设置土壤湿度监测系统。第二个项目是一个用 Rust 编写的工具，用于跟踪通过 Vertex AI 调用 Google 的 Gemini 模型在美国不同地区的错误率和响应时间。
-
用户利用 ChatGPT 进行 Arduino 编程项目
一位 Mastodon 用户分享了他们使用 ChatGPT 为其项目生成 Arduino 代码的经验，该代码用于在 TFT 屏幕上显示热成像相机的温度数据。用户成功获得了可用的代码片段。
-
研究人员开发基于浏览器和设备端的TinyML视觉训练
两篇研究论文详细介绍了直接在低成本微控制器上训练和部署机器学习视觉模型的新方法。其中一篇论文介绍了一个基于浏览器的应用程序，该应用程序支持完整的本地ML流程，能够实现不到十分钟的快速训练周期。另一篇论文则侧重于完全在设备端的C++实现，用于数据采集、CNN训练和实时推理，实现了9分钟的训练运行和6.3 FPS的推理。