Logo
OPML 社媒 工具 提交 English RSS

site iconelmagnifico | 云浅雪

博客 嵌入式 随笔 游戏 编程
程序员，架构师，无人机集群表演设计师，嵌入式工程师，maya插件开发者，多智能体研究者，独立游戏爱好者。
RSS: http://elmagnifico.tech/feed.xml
请复制 RSS 到你的阅读器，或快速订阅到 :

Inoreader Feedly Follow Feedbin Local Reader

elmagnifico | 云浅雪 RSS 预览

神力科莎赛车模拟进阶

2025-11-18 00:00:00

Foreword

神力科莎的车辆配置，前面玩的时候都用默认，后来发现实际上这里有些选项可能是要调整的，调整以后可能车速会快很多，这种一般都是针对一个赛道做一个配置

车辆配置

轮胎选择

CM中轮胎可能会有这么几个选项

image-20251116004750087

Pirelli 是倍耐力轮胎，Slick是光头胎，也就是轮胎表面无花纹、沟槽的意思

  • D表示是干地，W是湿地，对应适合的地面条件

  • DS，S 是 Soft，DS 也是软胎，适合低速、短时间需要最大性能的赛道，磨损很快

  • DM，M是Medium，DM轮胎是倍耐力赛车光头胎系列中的一种，专为追求极致速度和性能的赛车设计。其配方较软，允许的工作温度较高，接触面积大，能在每个刹车和转弯中带来明显优势，适合新手

  • DH，DH轮胎同样属于倍耐力的赛车光头胎系列，是Dry Hard的缩写，意味着其具有较高的硬度和耐磨性。相比DM轮胎，DH可能在某些特定赛道或条件下，如需要更高硬度和耐磨性的场合，表现出更稳定的性能。

  • DHH，这是比 DH 更进阶的子系列，超硬

image-20251116010351141

接着就是胎压，一般建议胎压是要低一些的，跑起来轮胎会发热，胎压自动就上去了。胎压也需要一个合适的值，过高会导致轮胎变硬，接触面积缩小，抓地力下降，过低则会磨到轮毂，阻力变大。

空气动力

image-20251116010906267

Front splitter，是分流器，这是前分流器的设定，可以增加车的下压力，我感觉可以理解为前铲

Rear wing，尾翼大小，过大会造成阻力变大，过小会失去下压力

轮胎角度设置

image-20251116010930868

Camber，外倾角，这里可以调节左右外倾角的差异，实际是指车轮和地面的夹角，影响轮胎与地面接触的面积，进而影响抓地力

Toe，束角，俯视看车，轮胎内八和外八的角度就叫束角

  • 前轮正束角可以增强入弯稳定性，但同时在过弯时会产生更多的转向不足。后轮正束可以保持车辆整体稳定性。

  • 前轮负束角会使转向反应更加直接，但是会更倾向于转向过度。

  • 后轮负束角会引起车辆非常不稳定，一般不推荐这样的设定。

这两个值都可以对应到每个轮胎，所以一共就有4个

阻尼

image-20251116010959460

大白话说就是减震器的相关选项，比如空悬和绞牙避震，一般绞牙可以调整参数比较多

Bump是压缩阻尼，一般来说越硬性能越好，但是人坐在里面等于要被颠死

Rebound是回弹阻尼

动力

image-20251116011007959

Drivetrain，主要是动力分配，Front distribution，就是前轮分配20%动力，那么就更偏后驱

Center preload，中心预压，用来减少车身侧倾，提升过弯稳定性

下面是刹车力度，Brake bias是刹车比，指前后轮分配的刹车比例，大于50%表示是靠前轮刹车。通常，刹车比靠前使车子在刹车时更加稳定，同时在入弯时会引起转向不足的问题。刹车比靠后会导致刹车时车身不稳定以及刹车距离变长，并且增加入弯时转向过度。

悬挂

image-20251116011020594

Suspensions，悬挂，主要是悬挂相关的一些设置。

Packer rate，控制避震器压缩行程末端的刚度，限制悬挂的最大压缩量，防止底盘触底，说白了刚度越强性能越高

Wheel rate，Wheel Rate 表示作用在车轮中心的垂直力与车轮垂直位移的比值，单位通常是 N/m 或 lb/in，越高，对应更硬的悬架，响应更快

Height，是悬挂的高度，可以用来改变车身姿态和重心，平衡配重

Arb front，Arb rear，前后防倾杆的硬度设置，越大越硬，转向更灵敏，但容易出现转向过度

幽灵车

好不容易开出了一把最快速度，但是发现忘记录制了，而且之前的录制记录已经被其他录制覆盖了，别担心，你还有幽灵车，幽灵车会存储在下面这个路径里，这里记录了你最快的一圈的走位

c:\users\你的用户名\documents\assettocorsa\ghostcar
  • 每个地图每个车型都有一个.ghost格式的文件

但是这个格式不能转成acreplay，当你发现你重开不出来更好的一圈的时候，还是很难受的

Summary

模拟器的上限可真高啊

Quote

https://zhuanlan.zhihu.com/p/371780334

https://www.assettocorsa.net/forum/index.php?threads/where-does-the-ghost-car-replay-save-to.14708/

https://www.assettocorsa.net/forum/index.php?threads/how-to-convert-a-ghost-into-a-replay-file.6290/

https://www.assettocorsa.net/forum/index.php?threads/adding-ghost-s-to-replays.2649/

https://www.reddit.com/r/ACCompetizione/comments/wk3hn3/where_do_you_save_a_ghost_car_file_and_how_do_you/?tl=zh-hans

小米模拟器冠军挑战赛

2025-11-17 00:00:00

Foreword

小米整了个模拟器冠军挑战赛，挑战的六个人都是模拟器界的冠军车手，比如高翔、Gray等等比较知名的模拟器冠军车手了

统一赛制统一服务器，前六名可以去珠海参加决赛，前三名可以拿模拟器大奖，全国30个门店可以参与

https://web.community.car.miui.com/activity/universal?actId=207874295&siteChannel=2&skipLocal=true

模拟器冠军挑战赛

image-20251116195237097

简单说一下规则：

  • 非小米车主一样可以报名

  • 每个人每天都能挑战一次，从小米汽车APP报名即可，选择离自己近的门店就行

  • 门店内5分钟模拟器测试，15分钟线上比赛，取最快圈速，全国取前六位

image-20251116195417465

比赛使用Su7 Ultra Prototype车的mod和珠海赛道mod，mod我放到下面位置了

我用夸克网盘给你分享了「negi_su7…1116.rar」，点击链接或复制整段内容，打开「夸克APP」即可获取。 /~40ae39ARtl~:/ 链接：https://pan.quark.cn/s/83e0760f4476

  • mod和外面下载到的有所不同，建议使用官方的，轮胎用的是DHH，不知道为啥

体验

15号知道这个消息提前练了一晚上，原型车竟然突破了我以前的132，甚至以前的理论极限131都突破了

image-20251116200801167

直接到了130的美妙新世界，但是开130的时候也有一些失误，实际上我估计再开好一点可以到129甚至128

16号过去，还好群里说了一下很多门店都没准备好，我直接去了深业车城的店，这里已经弄好了，可以直接去玩

image-20251116200030110

一个门店现场只有1台机器可以试玩，如果前面有人的话要等一等

image-20251116200023253

开车倒是不限制视角，就是车的参数啥的都不能动，都用默认的

等我体验的时候发现这个方向盘超级重，刹车也特别硬，平常家里是模拟量产车的，这种原型车模拟还是非常硬核的，前5分钟没开出一把正常圈速，都是1.40多了

  • 建议带手套，手汗还是挺多的
  • 建议赛车鞋或者是比较窄的鞋子，他的油门和刹车离得比较近，容易同时踩到

image-20251116195946859

进入15分钟比赛，更是一堆鱼雷选手，然后慢车挡道，反复回P房好几次，总算正常跑了一圈，圈速是1.33.6几，然后时间没到我就停了，热得我一身汗，目前这个门店里最快的了。

等我晚上再过来，依然是最快的了，说明这个东西上手还是有一定难度，但是很多人没开过，也能跑到136、134，挺有天赋了。

Summary

比赛一共持续21天，有兴趣可以去玩一下，自己也能练习一下，16号当天全国最快的已经是129了，估计21天最后能进决赛的都是126左右了

3D米家，智能家居未来

2025-11-14 00:00:00

Foreword

时隔好久，小米总算是做了我大概10年前智能家居的想法，先分享一下米家的测试版APP，建议使用平板安装，手机性能不够

夸克网盘：https://pan.quark.cn/s/5a91ea45e5c9?pwd=4vbk 提取码：4vbk

百度网盘：https://pan.baidu.com/s/1QIdUnmUBVlz4GnW2cFi8GQ?pwd=88vr

3D中控

简单说，米家总算是把你家加入了米家，智能家居才迈出了第二步吧。

我这里是拿手机体验的，效果还是挫了一点，最好还是拿平板，功能全一些，可以参考上面的视频内容

image-20251113235259376

流程也比较简单，导入你家的户型图或者是直接搜索你的小区，拿网络上资源或者类似的户型图作为底，再手动修改

image-20251113235317586

就可以对自动识别的空间和房间进行匹配，缺少的空间可以手动拖入，创建出来

image-20251113235422198

接着就可以把实际的智能家居拖到房间的各个地方，然后就可以选择生成了

  • 目前支持定位的智能家居还是比较少的

image-20251113235523368

生成的3D户型模型，是可以直接点空间中的家具交互的，比如打开窗帘、打开空调

这里还是得吐槽一下小米，一个3D内容显示这么卡，功能还不给全，还要平板来体验，你是真的开倒车，人家QQ都能嵌入一个UE4，你米家嵌入一个也不过分吧。

再退一步，你不行，你用浏览器云端做一个也很简单吧，那么多做在线户型图装修预览的，随便结合一下，真的很简单。这种需要精细调整的东西，还是得键鼠操作做出来的才好啊

智能家居未来

在我看来智能家居大概是三步：

  1. 大量铺货，先让每个家有一定数量的智能家居，要低价，普惠，做惠民方向
  2. 智能家居的3D模式，每个智能设备的定位，人的定位数据，设备使用数据，数据的积累
  3. AI和数据分析介入，真的可以实现一键或者一句话自动帮你做好智能家居的联动，而不是你一个个任务、一个个低代码的拉线流程图去做

先说基础的定位数据，很久之前小米出的UWB手机、UWB电视，他们是想做智能家居定位的，但是可惜他们动得太早了，早年UWB使用的频段处于灰色地带，后续说不让用就不让用了，你做的产品根本没办法大量推出去，这个噱头直接干没了

image-20251113235916314

2024年新规以后，这个UWB的频段也被限制的比较小，很多之前的产品目前都算是违规了，UWB现在还是初期，问题其实很多，UWB本身就不够成熟，市场也是，所以这个方向目前不确定性还是非常高的。

当初小米肯定想的是如果每个智能家居带一个小小的UWB，那就直接有空间定位了，甚至不需要这个户型图就能实现每个人和物的定位了，直接就能反向给你生成户型，想象还是美好的，可惜了。

只是这一步3D户型图，我是没想到是时隔4年（21年UWB产品），小米才想起来要做，真的太慢了。

除了定位的数据，设备在何时、何地、被谁使用，这个数据也需要有，如果纯依赖监控摄像头太容易出问题了，本来很多人就介意家里视频数据，更别说万一出个漏，那就出大事了，家庭的防御系统是远远弱于商业级别的，很容易被入侵。

  • 果然后续小米出了一个本地视频模型，分析摄像头数据的

img

监控摄像头的方式去获取用户习惯，我觉得可以晚一些做，想办法先拿普通智能家居被使用的数据来做智能化，后续再考虑视频相关的

在第二步，这个用户数据其实非常敏感，我建议是最好这里收集的定位数据，特别是人的，要结合一款本地化的产品做数据收集，可以是NAS，可以是路由器，也可以是中枢网关类的产品，这部分数据是要存储到本地的，用户授权以后才能拿去训练或者学习，小米提供云端模型的服务，用户提供数据就能直接给出来智能家居的整套自动化流程，这样这个第三步才能实现。

在这个领域其实还有第四步，具身智能成为智能家居的一部分，简单举个例子，吃完饭以后，可以是机器人自动收碗筷、自动送去洗碗机，喝水可以是智能家居自动提醒我，机器人自动帮我倒好拿过来，人真的可以被当猪养了

Summary

在这里预言一下，小米汽车不是雷军最后一次创业，后续的具身智能或者智能家居才是，这个东西一定会做到智能家居里去，最后会结合在一起，做惠民，他的未来前景绝对是比车、比房、比手机要大得多的，是真正的未来生活。人车家的联动目前过于弱了，而且联动方式本身也不强，家的前景更大更好。

车载智能屏幕

2025-10-31 00:00:00

Foreword

最近入手了一块车载智能屏幕，抱着“看看内部做得如何、能不能改装接入现有智能系统”的想法，顺手拆解了一遍，记录一下这套小屏的完整方案。

车载智能屏幕

image-20251029221556639

包装走的是极简路线：长条纸盒里只有一根 4 m 的 Type-C 供电线、一只蓝牙遥控器、屏幕本体以及吸盘支架，没有任何多余的固定或泡棉，拆开就能直接上车。

上车后需要搭配 iPixel Color App 使用。App 的 DIY 自由度蛮高，支持导入 PNG、GIF、图片序列等多种素材，还能自建动画。界面以卡片式分类呈现，操作逻辑比较直观，调色、预览也都是即时反馈。

image-20251029221948156

遗憾的是，这块屏幕尚未提供米家或 HomeKit 等生态的接入能力，导致它只能通过手机 App 或遥控器手动切换图案，无法跟随车辆开/关机、自动配合行车状态或智能家居场景联动。

给的遥控看起来也是个简单的蓝牙遥控，估计也是个电容遥控，想要改一下可能也比较费劲

遥控部分预置了几个固定图案，无法绑定自定义素材；和 App 端几乎无限制的 DIY 能力相比，遥控器只能算应急切换，更多时候还是得掏手机操作。

查了一下产品源，应该是这三个公司中某一个主导做的，深圳市希顿科技有限公司/深圳市永杰信电子有限公司/天浪创新科技（深圳）有限公司，都是小公司，官网模板用的都是差不多的

拆解

image-20251029221716633

拆机门槛不高，外壳背面四角各有一颗十字螺丝，拧下之后用塑料撬片沿着卡扣一圈滑开即可，整个过程不到五分钟。

image-20251029222302865

屏幕本体实际上是一块大尺寸 PCB，底壳上则是 Type-C 供电板，两者通过一根四芯排线连接，排线两端都做了点胶固定，抗震表现应该还行。

侧面有一个小按钮，按钮是用来旋转屏幕内容的，这个还挺细节的，旋转本身会被记忆，断电不会丢

设计方案

image-20251029222327181

可以清楚地看到使用的芯片

JL AC23BP，是杰理的AC23BP1U293，应该是个蓝牙5.3的芯片，作为主控

GD 25Q64ESIG，是GD的存储芯片，64Mb的一个flash，还挺大的，看来可以存储不少图片

可以看到这个东西竟然还带了个小麦克风，不愧是杰理，专业做蓝牙音频方面的，这个屏幕都带麦克风

APP里有音频采集，但是用的是手机的麦克风，那这个屏幕里的麦克风到底是给谁用的呢？

  • 难道说是监听？
  • 还有一个可能想的是未来这个屏幕接入智能语音，用语音控屏幕？但是后来没后续了？看板子的丝印是23年投板生产的，业务没做起来

主控板采取“邮票板”形式焊接在大 PCB 上，四周通过密集焊点和点胶固定。如果有同尺寸的替换方案，理论上拆下邮票板再换一块就能彻底更换系统逻辑。

还有一种逆向思路，由于是手机蓝牙直接控制的，那么我只要做个类似的蓝牙控制器，模拟手机发送的内容给他，然后把这个和米家开关啥的联系上，作为一个被控方，就能接入米家了，虽然做不了那么多事情，但是用4控的按键，就能显示出来十八种状态了

那么只要提前录好十六种状态对应的图片或者内容即可

Summary

这个小屏幕做的还挺好的，APP的交互也还行，只是看起来似乎没卖好，销量很小，大部分都出给国外了

CAN协议层对比

2025-10-29 00:00:00

Foreword

在工业领域，需要使用可靠性非常强的协议，并且对于延迟要求也很高，如果同时这个协议本身也具有高拓展性，那就更好了，这里主要是从CAN出发，看看相关在CAN之上的协议层有哪些可以选择。

类CAN协议层

CANaerospace

image-20251029155130798

CANaerospace是专为航空电子系统设计的通信协议，基于CAN总线技术，用于满足机载设备对实时性和可靠性的严苛要求。CANaerospace底层对CAN的payload重新定义了，将整个CAN总线设计成了网状，允许一对一和一对n通信。

设计的思路还是比较简单的，说白了就是给各个节点约定好的数据类型和数据值，具体这个数据干啥用的靠Service Code和Message Code区分

DDS

img

DDS主要是用在自动驾驶方面的技术栈，核心思路也是把传感器之类的东西变成总线式的交互，这样防止系统过于复杂，底层还是靠CAN来实现数据链路层

CANopen

https://www.analog.com/cn/lp/001/primer-network-management-CANopen-protocols.html

image-20251029161728083

CANopen，类似地按照节点和对象字典来区分，CANopen把节点ID给固定死了，设备能用的一开始就规定死了

┌──────────────┬─────────┬──────────────────┬─────────┐
│ CAN 标识符    │  RTR    │   数据字段        │   CRC   │
│   COB-ID     │         │   0-8 字节        │         │
│   11 bits    │ 1 bit   │                  │         │
└──────────────┴─────────┴──────────────────┴─────────┘

UAVCAN

image-20251029152221339

https://legacy.uavCAN.org/

DroneCAN 和 Cyphal 都是早先一个叫做UAVCAN的项目。在2022年，该项目分为两个部分：原始版本的 UAVCAN (UAVCAN v0) 更名为 DroneCAN，较新的 UAVCAN v1 更名为 Cyphal。这两项协议之间的差异在Cyphal vs. DroneCAN中作了概述。

总体来说UAVCAN在当时的0.9版本已经较为广泛使用了，不好再做改动，所以在这里进行了分化。

UAVCAN对于发布订阅模型支持是不太完善的，传输层和应用层的解耦也没做好，还有一些其他缺点，最后导致了版本分化

DroneCAN

https://droneCAN.github.io/Specification/1._Introduction/

image-20251029164537810

DroneCAN只支持29bits的扩展标识符，老协议不支持。

DroneCAN在无人机领域使用非常广泛，近百万的设备在用，这是他目前的优势，可以接入的设备都比较多，但是缺点也很明显，而且未来发展的趋势基本也都是往Cyphal走了

支持DroneCAN的传感器或者模块也比较多了

电调（ESC）: Zubax Orel, CUAV NEO, Holybro GNSS: Here3, Zubax GNSS 电源模块: CUAV HV PM, Pomegranate Systems 气压计、磁力计、激光测距等

Cyphal

https://opencyphal.org/

https://forum.opencyphal.org/t/the-cyphal-guide/778

https://github.com/OpenCyphal

┌──────────────────────────────────────────┐
│   应用层 (Application Layer)              │
│   - 诊断、配置、物理量定义等                │
├──────────────────────────────────────────┤
│   表示层 (Presentation Layer)             │
│   - DSDL 数据结构描述语言                  │
│   - 序列化/反序列化规则                    │
├──────────────────────────────────────────┤
│   传输层 (Transport Layer)                |
│   - Cyphal/CAN, Cyphal/UDP, Cyphal/Serial│
└──────────────────────────────────────────┘

Cyphal核心机制还是发布订阅模型，也支持C/S模式下的请求响应模型，在表示层使用了DSDL去描述数据类型，简化了上层做数据转换的压力

同时Cyphal在协议层就允许不同版本之间进行通信，有足够大的兼容性

资源占用对比

Flash 占用（代码大小）

协议 最小配置 典型配置 完整功能 相对大小
DroneCAN ~10 KB 15-30 KB 40-60 KB ⭐⭐ 小
Cyphal ~15 KB 30-50 KB 60-100 KB ⭐⭐⭐ 中等
CANopen ~20 KB 40-80 KB 100-200 KB ⭐⭐⭐⭐ 大
CANaerospace ~15 KB 25-40 KB 50-80 KB ⭐⭐⭐ 中等

RAM 占用（运行时内存）

协议 静态 RAM 动态 RAM（每连接） 栈空间 总需求
DroneCAN 2-5 KB 0.5-1 KB 1-2 KB ~4-8 KB
Cyphal 4-8 KB 1-2 KB 2-4 KB ~8-15 KB
CANopen 8-15 KB 2-4 KB 2-4 KB ~15-25 KB
CANaerospace 3-6 KB 1-2 KB 1-2 KB ~6-10 KB

CPU 占用（处理开销）

协议 消息解析 协议开销 实时性 CPU 负载
DroneCAN 简单快速 低 优秀 ~1-3% @ 500Kbps
Cyphal 中等复杂 中等 良好 ~3-5% @ 500Kbps
CANopen 较复杂 较高 中等 ~5-10% @ 500Kbps
CANaerospace 中等 低 优秀 ~2-4% @ 500Kbps

最小硬件要求对比

协议 最小 Flash 最小 RAM 推荐 MCU 示例芯片
DroneCAN 32 KB 8 KB Cortex-M0+ STM32F0, STM32G0
Cyphal 64 KB 16 KB Cortex-M3 STM32F1, STM32L4
CANopen 64 KB 16 KB Cortex-M3 STM32F1, STM32F4
CANaerospace 48 KB 12 KB Cortex-M0+ STM32F0, STM32G4

占用比我想得还要大，如果只是一些小模块使用，确实有点太过了，特别是对成本敏感的项目

Summary

CANopen: █████████████████████ 1000万+ 设备

DroneCAN: ████████ 50-100万 设备

Cyphal: ███ 1-5万 设备

CANaerospace: ██ 数千-1万 设备

Quote

https://docs.px4.io/main/zh/CAN/index