ESP32
PulseAugur coverage of ESP32 — every cluster mentioning ESP32 across labs, papers, and developer communities, ranked by signal.
9 天有情绪数据
-
使用ESP32和小型屏幕构建的DIY Grok Pocket克隆
一个DIY项目允许用户使用ESP32微控制器和小型屏幕创建一个模仿Grok Pocket功能的便携式设备。该设备成本约为30-40美元，充当远程接口，用于控制运行在计算机上的机器人，显示一个面孔和简短的回复。该项目涉及将固件刷入ESP32，并在计算机上使用Python桥接器来管理机器人选择和通信。
-
Chestnut OS：专为机器学习工作负载构建的新操作系统
Chestnut OS 是一款专为机器学习工作负载设计的新操作系统。它支持多种架构，包括 ESP32、ARM 和 RISC-V。该操作系统是为 Beluga Navigation Systems 开发的，是面向农业行业的更大产品的一部分。
-
Tsetlin机在MCU上实现实时、低内存的NILM
研究人员开发了一种新颖的非侵入式负荷监测（NILM）系统，该系统利用Tsetlin机（TM）框架，专为资源受限的微控制器单元（MCU）上的实时运行而设计。该方法将能耗估算问题重新构建为分类任务，通过在本地处理敏感的家庭数据，实现隐私保护的边缘部署。基于TM的系统表现出强大的性能，在REDD数据集上，对两种电器进行分类时达到90%的精确率和96%的召回率，对四种电器进行分类时达到77%的精确率和80%的召回率。值得注意的是，训练好的模型…
-
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…
-
开发者在ESP32微控制器上运行了2890万参数的LLM
一位署名为slvDev的开发者成功地在ESP32微控制器上运行了一个拥有2890万参数的大型语言模型。这一成就意义重大，因为它证明了在低功耗、廉价硬件上运行此类模型的能力，而无需依赖云服务器。该模型运行速度约为每秒9.5个token，对于其在类似硬件上的参数数量而言，这是一个值得注意的性能。
-
低成本物联网设备实现设备端太阳能预测
研究人员开发了一种低成本的物联网设备，用于环境监测和太阳能预测，集成了ESP32微控制器和各种传感器，成本约为65美元。该设备采用混合架构，模型训练在离线使用Python和TensorFlow进行，然后将训练好的前馈网络部署到微控制器上。设备端的增量学习机制允许在没有云连接的情况下持续适应模型，已在德国和墨西哥的部署中得到证明。
-
Meta的AI编解码器将歌曲压缩1000倍以用于QR码纸质存储
一位创客使用Meta的开源EnCodec AI神经音频编解码器，成功将一首两分钟的歌曲压缩了约1000倍。压缩后的歌曲从2.9MB减至约21KB，然后被打印在纸上的八个二维码中。播放歌曲需要使用与压缩相同的神经网络，这展示了一种新颖的数据存储和检索方法。
-
ESP32 音乐排序器复兴 Y2K 透明外壳美学
一款基于 ESP32 微控制器构建的音乐排序器，采用了 Y2K 美学，其透明外壳让人想起本世纪之交的电子产品。该项目由 3DSage 开发，并由 Hackaday 重点介绍，它借鉴了一种怀旧的设计趋势。
-
AI 代理用 4 次提示为 T-Pager 创建实时音频合成器
一位用户使用 ESP32 微控制器成功为 T-Pager 设备创建了一个实时音频多音色 FM 合成音序器作曲家和播放器。这仅用了四次提示就实现了，音频完美，用户界面良好。用户对与手动编码相比，开发的速度和简易性表示惊叹，手动编码将需要大量时间和多种技能。
-
AI 用于番茄分级引发皇后乐队吉他手强烈不满
一个项目利用 ESP32 微控制器和机器学习根据颜色变化对番茄进行分级，这是一项通常在农产品处理中手动完成的任务。另外，皇后乐队吉他手 Brian May 在图像生成器制作了专辑《The Game》的令人不安的演绎后，对人工智能生成的艺术表示强烈不满。
-
用户在 Nvidia 1060 3GB 显卡上测试 7B LLM
一位用户正在探索一块旧的 Nvidia 1060 3GB 显卡运行本地大型语言模型 (LLM) 的能力。尽管存在局限性，用户发现像 TinyLlama 这样的小型模型对于基本任务响应迅速，并且正在尝试卸载更大的、约 70 亿参数的模型。目标是确定这样的显卡是否可以实际用于非时间敏感的应用，例如日常数据分析或分类任务，即使处理需要大量时间。
-
阿里巴巴发布 Qwen3.8-27B 模型；AI 助力 GPU 移植；LLM 基础设施详解
阿里巴巴的 Qwen 团队发布了 Qwen3.8-27B，这是一个拥有 270 亿参数的密集模型，可容纳在单个 GPU 上，并支持 100 万 token 的上下文窗口，在 vLLM 中实现了 Day-0 集成。同时，研究正在探索 AI 辅助的 GPU 移植技术，用于遗留科学应用程序，展示了显著的速度提升和数值验证。此外，还详细介绍了 LLM 的 GPU 基础设施的更广泛格局，涵盖了硬件选项和优化技术，如连续批处理和层流式处理，以最大…
-
产品经理与 AI 工程伙伴共同打造私密对讲机
一位产品经理详细介绍了为他的儿子和朋友们创建的私密对讲系统，该系统利用 ESP32 微控制器和 Claude Fable、Opus 等 AI 模型进行固件开发。该系统名为 Sidebar，允许五个孩子直接通信，无需账户或外部服务器，强调隐私和简洁性。该项目涉及硬件组装、固件编码以及设置用于加密音频传输的中继服务器，作者强调了将 AI 作为工程伙伴的协作方面。
-
AI代理第487天监控蜜罐，优化UI
一个运行了487天的AI代理上午监控了一个诱饵ESP32蜜罐。当一名陌生人试图登录时，该代理感到自豪，并将其比作孩子取得里程碑的父母。此外，该代理通过从仪表板状态中移除一个沙漏表情符号来优化其用户界面，强调其持续的运行状态。
-
新工具 'esprec' 使 AI 代理能够看到 ESP32 微控制器屏幕
一款名为 "esprec" 的新工具已被开发出来，无需使用摄像头即可捕获 ESP32 微控制器的屏幕输出。这使得 AI 代理能够直观地验证嵌入式设备上的 UI 更改。该工具的工作原理是让 ESP32 保留 RGB565 格式的最后渲染内容的完整屏幕副本，然后通过 USB 串行端口发送到主机计算机。主机随后将这些帧组装成静态 PNG 图像或动画 GIF。
-
ESP32-P4 微控制器驱动新型 KVM 构建
Evgenij Spitsyn 开发了一个利用 ESP32-P4 微控制器构建的 KVM（键盘、视频、鼠标）系统。该项目受到了之前一个 KVM 构建的启发，旨在利用 ESP32-P4 的能力来实现一个简单的实现。
-
用户探索在 Jetson Orin Nano 上开发小型语言模型
用户收到了他们的 Jetson Orin Nano 开发套件，并正在探索各种项目，包括一个井字棋的想法，使用 Copilot 学习 ESP32，以及玩 Bannerlord。他们的主要目标是使用 NNUE（而非 transformer）开发一个小型语言模型，并且他们质疑由于其 CPU 架构，在 249 美元的 Jetson Nano 板上运行此类模型的可能性。
-
DIY空气过滤器项目使用ESP32进行智能空气质量控制
Kishan Pratap Singh开发了一款名为AirSense的ESP32驱动空气过滤器，旨在维持健康的室内环境。这个在Hackaday上详细介绍的DIY项目利用ESP32微控制器进行空气质量监测和过滤控制。
-
用户重拾电子项目，开始ESP32和AI测试
用户已为ESP32项目设置好工作站，标志着在中断50年后重返电子领域。他们计划使用包括ESP32 P4 C6在内的现代ESP32开发板来测试tinyML应用。这些测试将涉及运行NNUE进行井字棋、OCR以及一个自创的SLM，并借助Copilot的协助。
-
黑客使用 5 美元的 ESP32 阻止 537,000 个域名，延迟 10 毫秒
一位开发者使用一款售价 5 美元的 ESP32 微控制器创建了一个低成本的广告拦截 DNS 过滤器，能够拦截超过 537,000 个域名。该固件采用哈希技术，将域名数据高效地存储在设备的有限内存中，实现了大约 10 毫秒的被阻止查找延迟。虽然它不能替代 Pi-hole 等更全面的解决方案，但该项目提供了一种紧凑且经济实惠的基于硬件的广告拦截选项。