-
探索如何在Arduino Uno Q上运行Home Assistant
当我拿到Uno Q板子的那一刻，一个疑问就一直萦绕在我心头：一块带有真实Linux系统的主板，旁边连接着微控制器，能否运行Home Assistant?我开始寻找相关指南，却一无所获。虽然有很多关于Bridge、App Lab以及两个处理器之间通信的文档，但没有一篇能详细说明如何实际安装Home Assistant并连接到该板子自身的GPIO接口。于是，我决定亲自尝试解决：通过SSH登录，查看系统中已有的内容，然后自己搭建桥接功能。接下来的内容就是整个过程中的所有成功步骤，以及在过程中悄然失败的细节，让你无需从头重新摸索。
-
通过 Edge Impulse 的 FOMO 技术构建一个手势控制器：用手操控音乐
手势Spotify控制器是一款完全基于Arduino UNO Q运行的手势音乐遥控器，无需云端、视频流或配套应用程序来监控你。抬起手，做出四种手势之一，你的Spotify播放就会相应响应：播放、暂停、下一首、上一首。摄像头画面始终留在电路板上，所有推断均在设备本地完成。
-
如何在Arduino UNO Q上使用App Lab运行本地VLM
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。
-
基于EdgeAI的实时LiDAR房间检测
通过使用二维直接飞行时间(dToF)LiDAR，我们从周围环境中提取出“距离指纹”。这些360度的距离剖面被处理为时序特征向量，随后用于在Edge Impulse Studio中训练神经网络。最终生成的模型被部署回Arduino UNO Q，以实现实时、低延迟的推理。
-
构建一款由 Arduino Uno Q驱动的双轮物联网机器人
我们小组的每个人都经常错过上午9点的课，当我们和朋友们聊起时，才发现这在大学生中是个普遍问题。于是当我们看到“电机”出现在可选组件列表中时，立刻明白自己要制作什么：一个能从你身边跑开的闹钟。我们把它叫做“逃逸闹钟”。
-
使用Arduino UNO Q开发一个桌面级机器人，通过设备内置的机器学习技术检测人脸，并实时朝向目标移动
该项目将计算机视觉与机器人技术集成于一块电路板上。摄像头捕捉视频，轻量级的人脸检测模型(由Edge Impulse提供支持)定位人脸，比例控制器则将该位置转换为差分轮子指令，整个过程每秒约10至15帧。
-
设计一款为盲人设计的智能助行器，配备了双传感器和 Arduino Uno Q 芯片，能够探测障碍物并提供触觉/语音反馈
作为一名七年级的“创造者”，我认为技术应当易于获取且能带来改变。对于视障人士而言，传统的手杖几十年来几乎没有发生什么变化。它们能够探测地面上的物体，但往往无法保护使用者避开头部高度的障碍物，也无法提供实时的环境信息。我的项目“奥梅罗斯·愿景之路”旨在将一个简单的工具转变为一个由人工智能驱动的智能助手。
