摆线传动是机器人技术的核心。它们是一种高性能的齿轮箱，广泛应用于机械臂、人形机器人和四足机器人中，已成为工业标准。其显著特点是高精度，这得益于极小的回差。与谐波传动等其他驱动方式相比，摆线传动的独特之处在于可通过增材制造技术高效且低成本地生产，使得业余爱好者和发烧友能够在家廉价地打印此类传动装置。
嵌入式人工智能领域的软件发展使得AI的开发与部署得以快速推进，让开发者能够迅速将AI解决方案推向全球。借助Edge Impulse等平台，这些任务已得到简化，使我们能够快速构建高效的AI解决方案。接下来对开发者而言的挑战，是如何在资源受限的设备上运行生成式AI模型。在这种情况下，目标部署设备并非高性能的CPU+GPU集成系统，而是小型、低功耗且成本效益高的设备，例如Arduino UNO Q。这款新板型与经典的Arduino UNO相同，但其Linux系统和高速精准的STM32微控制器提供了更强的性能支持。作为一名边缘AI爱好者，我一直致力于将大型视觉语言模型(VLMs)无缝部署到UNO Q上。
目标是确定一种可靠的功耗测量解决方案，以便我们能够将其应用于其他厂商的M.2 AI加速器，这些加速器本身不具备内置的功耗测量功能。
说实话：很多DIY智能家居方案都把事情做得过于复杂，往往需要第三方服务器、混乱的云配置，甚至持续联网才能打开一盏灯。我希望打造一个更简洁、完全私密且响应极速的系统，同时不牺牲干净现代的界面和用户体验。
我喜欢羽毛球，但夏天太热了，我总是懒得出门。于是我想，为什么不自己制作一个像任天堂游戏里那样的羽毛球游戏呢?幸运的是，我的Cardputer内置了陀螺仪和加速度计，所以我完成了这个项目。
在后台，reCamera 负责完成所有复杂的协调工作：它在设备上运行 YOLO11n Pose 实时检测您的手势，然后通过 Node-RED 协调完整的 STT → LLM → TTS 流程。而实际的“思考”过程——语音识别、推理和语音合成——则由 iFlytek 云平台通过 WebSocket API 进行处理。
我最初的目标是制作一个能主动追踪宠物的原型，但由于时间和组件的限制，这并不现实。因此，如果你想让项目更具挑战性，可以考虑加入通过WiFi/蓝牙模块实现的实时追踪系统，并将其与应用程序配对使用。
