登录社区云,与社区用户共同成长
邀请您加入社区
本文是Arm Ethos-U65学习笔记第五篇,聚焦于YOLOv8n目标检测示例的硬件验证阶段。文章详细介绍了将Vela编译生成的命令流导入芯片仿真环境执行推理验证的完整流程。整个过程不仅适用于芯片仿真验证,对裸机环境下的软件开发也具有参考价值,为嵌入式AI加速器部署提供了实用指导。
参考github网址:https://github.com/OpenDriveLab/UniAD/tree/v2.0参考readme:https://gitcode.com/Ascend/DrivingSDK/blob/master/model_examples/UniAD/README.md。
本文是 Arm Ethos‑U65 解析的第四篇。接下来的两篇将基于 U65 实现一个 YOLOv8n 目标检测示例,该示例通过导入 Vela 工具生成的命令流来触发 U65 NPU 执行推理运算,最终在芯片仿真验证环境中输出结果,示例同时对裸机环境下的软件开发也有一定参考价值。
本文介绍了NPU编程模型和实现流程,分为离线工具链(模型训练、量化、Vela编译生成命令流)和运行流程(Arm NN驱动执行)。详细说明了NPU的寄存器配置(BASE、BASE_POINT、ID和PMU区域)、命令流结构(32位cmd0和64位cmd1指令)及其分类(运算、配置、DMA等)。最后提及权重采用无损压缩算法(零值序列编码和Golomb-Rice编码),确保与tflite模型结果一致。整
OpenDriveLab与地平线机器人联合提出NativeMEM框架,实现机器人长程记忆的高效压缩与利用。该方案将每帧历史画面压缩为1个视觉Token,直接存储在VLA模型的原生特征空间中,使机器人能以极低成本保存分钟级、稠密更新的操作历史。关键创新包括:复用预训练VLA的视觉编码器生成原生兼容的记忆Token;仅通过动作损失监督记忆学习;采用两阶段训练实现快速适配。实验表明,该方法在仿真和真实任
物理隔离是底线—— 不同 GPU 型号必须保持在独立的可用域内,通过标签和 Node Affinity 确保。软分区通过队列配额—— 同型号 GPU 内用 Volcano/Vela 的队列 weight 和 capability 做多租户隔离。跨型号溢出作为弹性补充—— 仅在单型号池满且任务明确声明兼容性时触发,不建议作为常规调度路径。资源利用率不是唯一指标—— 调度确定性、故障隔离、运维复杂度同
AI 硬件爆发时代,开发者亟需高成熟度、低功耗、原生智能的系统基座。openvela 作为小米开源 AIoT 操作系统,经亿级量产设备落地验证,搭载全栈系统智能引擎,成为全球 AI 硬件开发者优选操作系统。官方配套全套技术赋能资源,助力开发者探索更多全新 AI 硬件产品形态,推动技术创新落地与生态商业化发展。,只要你渴望通过 AI 硬件改变世界,均可参赛竞逐,openvela 已经为你搭好了舞台,
混合精度量化的核心思路是"好钢用在刀刃上":对精度敏感的层保留高精度,对鲁棒的层大胆压缩。这一策略的实现前提是对模型每层的敏感度有清晰的量化认知——没有数据支撑的"直觉"是不可靠的。推荐的实践路径:(1) 使用 SensitiveLayerProbe 等工具跑一遍逐层敏感度分析,耗时约 1~2 小时但一劳永逸;(2) 优先尝试 AWQ——量化速度快、内存开销小、与 vLLM 等推理引擎的兼容性最好
MiMo-Code是小米开源的终端AI编程Agent,16天11K星。核心差异化是持久记忆系统和自进化机制。持久记忆跨会话存储项目结构、架构决策、用户偏好和问题修复记录,存储在 .mimo/memory/ 目录中。新会话自动加载记忆,不需要重新分析项目、重新解释偏好、重复讨论已决策的问题。效果在使用5-10次后开始明显。自进化机制在每次会话结束后异步分析交互数据——观察用户对生成代码的修改模式(双
"点图"听起来是一种很简单的图,但这个名字其实指的是两种完全不同的图。在中小学课堂里,点图是数轴上方一列一列堆叠的小圆点,用来数每个数值出现了多少次;而在科研论文里,点图通常指 Cleveland 点图,每个类别在坐标轴上用一个点标出它的取值。两者只是共用了"点"这个名字,其余几乎毫无关系。这种重名很容易把人绕晕,尤其是英文里小学阶段把频数点图叫作 line plot(直译"线图"),结果学生交上
小米MACE端侧AI推理框架核心调度模块排错报告 本报告针对小米开源MACE框架核心调度模块(mace_runtime.cc)进行了专项排错,采用九章排错法规范,主要发现以下问题: 整体架构问题:全局状态管理混乱,内存调度分散,硬件适配硬编码,建议分层重构为状态管理、算子调度、内存管理和硬件抽象四个独立模块。 具体实现问题: 缺乏参数标准化预处理 异构执行无异步队列 内存回收机制不完善 函数职责不
小米MiMo Code实测分析:宣称“超越”Claude Code为时尚早 小米开源AI编程助手MiMo Code在官方benchmark中表现亮眼,但实测发现其优势有限: 简单任务:JSON处理脚本生成与Claude Code表现相当,响应更快但边界处理稍弱 中等难度:代码重构时因过早行动导致接口设计遗漏,需人工干预 复杂场景:长上下文分析覆盖不全,漏掉关键模块,优化方案较笼统 核心问题在于Mi
小米开源AI编程助手MiMo Code,针对现有AI编程工具的核心痛点提出创新解决方案。该项目具备四大亮点:1)限时免费提供基于MiMo-V2.5模型的100万token上下文支持;2)首创跨会话记忆功能,通过项目文件记录规则和进度;3)专为长任务设计,支持断点续做;4)设置目标验证机制防止提前"交作业"。作为终端AI编程代理,MiMo Code不仅能补全代码,还能管理Git、运行测试、记录项目规
小米开源生物计算智能体MiMoCode限时免费,我集成1676了个生物信息学工具,零配置即可使用。该工具包含MiMoV2.5大模型,支持百万token上下文,分为完全本地运行(735个技能)、需联网调用公共数据库(149个技能)和需要GPU算力(25个技能)三类。用户可通过简单命令安装所需技能包,实现序列分析、单细胞聚类等生物计算任务,蛋白设计类工具提供每月30美元免费额度。开发者已将所有生物Ag
2026 年 AI 编程工具进入多 Agent 协同时代,单一 IDE 插件已无法满足大型项目重构、长任务开发、自动化 CI 审查等复杂场景。本文结合最新小米开源 MiMo Code 工具,搭建一套「Cursor + Claude Code + MiMo Code + Codex CLI」四维 AI 开发全家桶。深度拆解 MiMo Code 独有四层记忆系统、Max Mode 并行推理、Goal
MiMo Code 使用指南摘要 MiMo Code 是小米开源的终端 AI 编程助手,支持代码读写、命令执行、Git 管理等核心功能。安装只需 npm install -g @mimo-ai/cli,支持 Windows 环境。配置时可通过命令行或交互方式添加 DeepSeek/Xiaomi 等 API Key。提供两种使用方式:TUI 终端界面(类 Vim 操作)和 Web 图形界面。支持 7
提升兼容性并解决已知问题。
人群异常行为(crowd-levelanomalbehaviors,CAB)是导致群体灾难的重要原因,不同于个体异常行为,在局部观察时,CAB通常不会表现出与正常行为的显著差异,并且CAB的规模可能因场景而异为了从视频监控中量化这些CAB的风险水平,本文提出了一种改进的用于CAB检测的人群运动学习框架--多尺度运动一致性网络提出了一种基于双注意力融合的多尺度感知算法(MSMC-Net),我们提出了
小米开源大模型 MiMo 登顶全球第一,还白送百万亿 Token?手把手教你薅羊毛 小米这次不是「年轻人的第一台SUV」,而是「开发者的第一个免费AI大脑」。 📌 导读 :小米突然开源了自家最强AI大模型 MiMo V2.5,登顶全球开源第一,MIT协议随便商用。更狠的是,同步上线百万亿Token免费送活动,最高价值659元。活动5月28日截止,手慢无。 一、小米突然放大招 4月28日,雷军亲自
AI算力需求激增引发产业链变革:AMD业绩暴涨19%,半导体全产业链涨价潮蔓延,存储芯片领涨;英伟达4亿美元注资SiFive推动RISC-V进军AI数据中心,国产RISC-V芯片实现汽车电子突破;AI编程工具爆发式增长,DeepSeek-TUI登顶GitHub,小米开源万亿参数模型;太空算力赛道白热化,SpaceX与Anthropic合作推进轨道数据中心,BlueOrigin申请5万颗AI卫星。全
🔍【技术动态速览】 1️⃣ RISC-V车规芯片加速落地:中国汽车芯片联盟成立RISC-V专委会,东风、比亚迪等车企牵头推动智能汽车芯片自主化,产业链协同效应显著。 2️⃣ 高性能RISC-V MCU融资突破:先楫半导体获国资3亿元注资,重点研发机器人专用芯片,国产RISC-V生态持续深化。 3️⃣ AI开源模型密集发布:英伟达推出全模态模型Nemotron3(性能提升9倍),小米开源MiMo-
小米开源多模态模型MiMo-V2.5系列,包含基础版和Pro版,采用MIT许可。Pro版在GDPVal-AA测试中得分1581,超越竞品,并展示了完成复杂任务的能力:4.3小时编写Rust编译器、11.5小时开发视频编辑器等。模型采用MoE架构,支持百万级上下文,token效率优于Claude和GPT。小米推出四档Token计划,价格具竞争力。开发者评价其擅长构思和研究,但部分用户认为响应速度较慢
本文介绍了一个生产级旅行助手系统的核心架构实现,主要包含以下特性: 采用两阶段LLM处理流程(槽位提取+响应生成) 实现智能追问机制(基于missing_slots标记) 构建多层上下文管理系统(内存/Redis/MySQL) 集成AgentServer+MCP数据库查询功能 系统包含8个核心类,分为数据类(IntentResult、ConversationContext等)和业务类(Contex
这个问题我想了很久。少派派上有一篇文章,作者Blueeon(前小米技术总监)把这事说得特别透:GUI对AI不友好。AI得"看懂"界面,得猜按钮是不是能点,得处理各种隐式状态。成本高,可靠性差,还不确定性大。API呢?API确实可靠,但每个API的认证方式、参数格式、错误码、分页逻辑都不一样。一个AI Agent要接入84个工具,光是把所有JSON Schema注入进去就吃掉大约15,540个tok
小米开源OmniVoice语音合成模型实现技术突破,支持600多种语言并达到SOTA水平。该模型采用创新架构,合成速度达实时40倍,中文识别准确率WER仅0.84%,超越主流商用产品。其零样本克隆功能仅需3秒音频即可复制声音,并支持个性化调整。特别值得一提的是,该技术为小语种数字化保护提供可能。项目完全开源,将大幅降低语音合成技术门槛,推动有声书、虚拟主播等应用发展。
树莓派操作系统(Raspberry Pi OS,原名Raspbian)是专为树莓派硬件优化的官方操作系统,基于Debian Linux发行版。其设计目标是提供轻量级、高效且用户友好的体验,适合教育、开发、物联网和嵌入式应用。系统默认搭载LXDE桌面环境和定制化工具链,支持ARM架构的硬件加速。
ASP3605是一款高效同步降压DC-DC转换器芯片,广泛应用于便携式设备、IoT模块和嵌入式系统中。其输入电压范围通常为2.7V至5.5V,输出电流能力可达3A,采用固定频率PWM控制架构。该芯片集成了功率MOSFET,具有高达95%的转换效率,支持轻载模式下的脉冲跳跃(PSM)功能。
提供语义骨架:将物理实体(如泵、阀门、产线)与业务概念(如“故障模式”“维护规程”“安全标准”)关联,构建统一语义空间。支持因果推理:当孪生体显示“电机过热”,知识图谱可回溯至“润滑不足→轴承磨损→振动增大→电流升高”的完整因果链。对接PLM(产品数据)、MES(生产执行)、EAM(资产维护)、IoT平台,确保知识图谱“活”起来。重感知、轻认知:擅长采集实时数据(如温度、压力、位置),但难以理解“
工具常用于跟踪进程的系统调用和信号传递,但原始日志可读性较差。针对NuttX系统的。日志通常包含系统调用名称、参数、返回值及时间戳。日志解析,需要设计一种高效的解析方案,以提升调试效率。日志的分析效率,为开发和调试提供有力支持。对复杂参数(如结构体)进一步拆解。通过上述方案,可显著提升NuttX系统中。在嵌入式系统开发中,
该漏洞源于 Tomcat 默认 Servlet 在大小写不敏感的文件系统环境中,与写权限配置不当的情况相互作用。攻击者可利用此缺陷远程执行任意代码,进而可能非法获取系统访问权限及敏感数据。采用此类配置的组织面临数据泄露与系统入侵的较高风险。CVE-2024-50379 与 CVE-2024-54677 漏洞凸显了保障开源系统安全所面临的日益复杂的挑战。通过及时更新与合理配置保持警惕,可确保系统在面
本文介绍了嵌入式系统中常见的通信接口,它们各有千秋,合理选用可以简化硬件设计并提高系统性能。在SDR或FPGA开发中,这些接口经常用于连接控制模块、配置芯片或传输数据。希望本文能帮助您在项目设计中做出更明智的选择。
本文摘要: 主要介绍了单片机系统的核心组件和工作原理。内容包括:1)处理器类型(CPU、MCU、MPU、GPU等)及其应用场景;2)存储器类型(RAM和ROM)的特点与区别;3)外设寄存器的作用;4)GPIO接口功能;5)中断系统的工作机制和配置方法;6)定时器/计数器的原理及计算;7)通信协议(单工、半双工、全双工)和UART串口通信技术;8)PWM波形生成原理;9)蜂鸣器工作原理。重点阐述了5
暗物质探测面临技术挑战,需高精度校准确保数据可靠性。PandaX等地下探测器通过捕捉粒子碰撞信号间接探测暗物质,要求环境稳定(99.999%液氙纯度)、超高灵敏度(皮秒级分辨率)及实时处理能力(4000万次/秒)。核心算法采用三级架构,AI推理层通过并行CNN实现高精度信号识别。校准体系涵盖探测器均匀性、环境适应性和算法鲁棒性验证,运用激光标定、故障注入等方法。测试需关注AI模型对抗样本、跨平台一
大连工业大学创建于1958年, 是我国最早建立的4所轻工业院校之一, 原隶属轻工业部,1998年转制为中央与地方共建、辽宁省管理为主的体制。半个多世纪来,学校逐渐发展成为以工为主,工、理、艺、文、管、经六大学科门类协调发展,以培养食品、轻工、纺织、艺术等专业人才为办学特色的高等学府。本次大会设置智能制造和测量与控制技术两个主题方向, 涵盖数字孪生、 计算机辅助制造、 机器人与自动化、增材制造、柔性
Ai Coding来势汹汹,特别是2025年底之后,个人觉得这东西已经不在是玩具,真的可以帮助开发人员提效,并且随着龙虾模式的推出,已经能看出来Ai Coding在重复性,标准化比较清晰的产品上面产出能力已经远远超过了资深程序员。比如传统的银行系统,通讯系统,批量使用的嵌入式系统,靠近底层的操作系统类产品,与硬件绑死的驱动类产品,我们这里指的是在原有的基础上做迭代开发,不是重新写一套。,这些产品诞
本文推荐一款基于PHP开发的企业级AI微信在线客服开源系统,支持7×24小时智能服务,集成文本/图片/视频交互、知识库管理、人工转接等功能。系统具备上下文理解、自定义参数配置、多媒体识别、实时监控等核心能力,可显著降低客服成本并提升响应效率。开源特性便于企业二次开发,助力构建数字化智能客服体系。源码可通过指定网站获取。
嵌入式电能表是结合嵌入式系统技术与传统电能计量功能的智能化设备,嵌入式电能表的核心价值在于通过智能化、本地化处理能力,满足现代电力系统对高精度、实时性、灵活性的需求,同时降低运维成本并适应能源结构转型趋势。随着“双碳”目标的推进和能源转型的深入,传统的电力监测手段已无法满足精细化能源管理的要求,这为嵌入式电能表的应用提供了广阔空间。对电网供电质量要求较高的场合,如数据中心、医院等,可使用具备电能质
摘要:Linux内核调度器是操作系统的核心组件,直接影响系统性能和实时性。本文深入解析调度器的三大核心机制:运行队列(runqueue)实现多核任务管理,虚拟运行时间(vruntime)确保公平调度,调度实体(sched_entity)统一任务抽象。通过实验验证了vruntime与任务优先级的数学关系,展示了红黑树调度算法实现,并提供了perf和bpftrace等性能分析工具的使用方法。针对云原生
汽车嵌入式系统的ASPICE评估核心在于开发过程的规范性和质量保障能力。评估要点包括:项目管理(计划制定、风险监控)、配置管理(版本控制、变更追溯)、工程过程(系统需求设计、软件架构、单元测试)、支持过程(质量保证、问题管理)等关键环节。特别需要关注嵌入式特性如功能安全、实时性、资源约束等问题。评估通过文档审查、工具验证和全链路追溯等方式实施,常见薄弱环节包括需求可验证性不足、测试覆盖不全等。改进
在嵌入式系统中使用 OpenCV 需要针对目标平台(如 ARM64)手动编译源码。以下是具体步骤:环境准备确保主机系统已安装必要的工具链和依赖库:下载源码从 OpenCV 官方仓库获取源码和扩展模块:配置 CMake创建构建目录并配置交叉编译参数。假设目标平台为 ARM64(如 aarch64-linux-gnu):编译与安装使用多线程加速编译并安装到指定目录:生成的动态库(.so 文件)将位于