NIC400生成Flow全解析（八）Micro Architechture

优质文章学习记录

— 4 min read

当所有配置完成后，就可以生成Micro Architechture了。在Micro Architechture中也会进行一系列配置。比如微架构、timing closure、buffering等配置。
生成Micro Architechture的方法如下：

在这里插入图片描述


生成时需要解决掉所有报错问题后，即可打开Micro Architechture。打开方式如下：

在这里插入图片描述


大致界面如下：

在这里插入图片描述

其中主要包含了如下元素：

  • Micro Architechture窗口
  • Parameter/Timing Closure/Buffering窗口
  • Overlays窗口

1.Micro Architechture窗口

该窗口主要是设定需要的互联微架构，AMBA Designer生成NIC-400时需要手动定义，Socrates生成NIC-400时会根据工具内部算法生成一个微架构。生成后也可以根据自己的需求进行调整。图中的各种标志如下所示：

在这里插入图片描述


Micro Architechture的左边有一排按键，11个按键的含义从上到下依次为：

  • Zoom in：视图放大
  • Zoom out：视图放小
  • Zoom fix：最佳视图
  • Creat Group：创建Group。比如想在两个接口之间，或一个BusMatrix和一个ASIB或AMIB之间连接，则可以选中目标后点击Group
  • Connect：连接不同的组件。
  • Delete：删除组件。
  • Create IB：创建IB，在不同的BusMatrix之间连接时通常会自动创建
  • Create GPV：创建GPV
  • Create Default slave：创建Default slave
  • Optimize Switch：优化BusMatrix结构，丢弃不存在的Path
  • Layout：重新排列视图，使Micro Architechture美观

我们可以自定义微架构，比如想让CPU访问SRAM和FLASH的延时尽可能小，就可以使CPU和FLASH ，SRAM之间只经过一级BusMatrix。自定流程如下：

分别选中2个switch执行Optimize Switch优化不必要的结构，最后点击Layout则可呈现比较规则的Micro Architechture。

在这里插入图片描述

同理，cpu也要访问其他如timer，uart的外设，因此按"Ctrl"先选中switch5再选中switch4，然后点击”Connect“：

在这里插入图片描述


直到Micro Architechture上没有黄色虚线，才表示苏哦有的互联关系都有了实际的电路访问。

由于dma也需要访问flash和sram，因此这里让switch4和switch5之间连接，也就是说，如果DMA想访问flash的话，需要先经过switch5，再经过switch4。按"Ctrl"先选中switch4再选中switch5，然后点击”Connect“：

在这里插入图片描述

按"Ctrl"选中dma、mcu_mstr、APB Group（uart+timer）、ahb_sub、mcu_slv，然后点击”Group“，让其通过1个Bus Matrix互联。

在这里插入图片描述

按"Ctrl"选中cpu、flash、sramc，然后点击”Group“，让其通过1个Bus Matrix互联。

在这里插入图片描述

删除所有生成好的组件，ASIB和AMIB之间以”黄色虚线“连接。此时只是一种虚拟的映射关系，无实际的连接关系。

在这里插入图片描述

Read more

手把手用ROS实现Ego-Planner动态避障：无人机撞树问题终结方案

手把手用ROS实现Ego-Planner动态避障：无人机撞树问题终结方案 你是否曾满怀期待地启动无人机，看着它在仿真环境中流畅起飞，却在下一秒“砰”地一声撞上突然出现的障碍物，仿真画面定格，留下一串令人沮丧的报错信息？在复杂、非结构化的真实飞行场景中，比如在枝叶交错的林间穿行，或在有行人、车辆移动的城区执行任务，传统的全局规划器往往显得力不从心。它们规划的路径可能全局最优，但面对瞬息万变的局部环境，反应速度跟不上变化，导致“撞树”成了家常便饭。今天，我们不谈空洞的理论对比，而是聚焦于一个能真正解决这个痛点的方案——Ego-Planner，并带你一步步在ROS和Gazebo搭建的仿真世界里，亲手实现一个能“眼观六路、随机应变”的无人机大脑。 本文面向的是已经具备一定ROS和无人机仿真基础，正被动态避障问题困扰的开发者、研究者或高级爱好者。我们将彻底抛开宏观的算法优劣论述，直接深入到代码配置、参数调优和实战排错层面。你将看到的不是“Ego-Planner实时性更好”这样的结论，而是“如何设置距离场梯度计算的网格分辨率”、“碰撞反作用力系数调到多少能让无人机既灵活又稳定”的具体操作。我们
宇树科技机器人核心技术

宇树科技机器人核心技术

前言 宇树科技作为全球足式/人形机器人领域的标杆企业，其技术体系覆盖消费级（Go2）、工业级（B2）、人形（G1/H1）全产品线，以“硬件自研+软件全栈+AI赋能”构建核心壁垒。本文不仅拆解宇树机器人的关键技术（单硬件、单软件、软硬件协同、AI+），还配套就业技能图谱、学习路线与工具推荐，适合机械、电子、计算机、AI领域开发者/求职者参考。 一、宇树科技机器人核心技术全景（附插图建议） 宇树的技术体系可概括为“四层金字塔结构”，从下到上实现“能运动→会运动→智能运动”的进阶： 技术层级核心定位代表技术应用价值底层硬件机器人“躯体骨架”自研伺服电机、分层计算平台、4D激光雷达保障运动性能与环境适配性全栈软件机器人“智慧大脑”MPC/WBC控制算法、SLAM感知融合、ROS2中间件实现精准控制与灵活交互软硬件协同机器人“神经中枢”实时控制闭环、
Submodular function次模函数 概念——AI学习

Submodular function次模函数 概念——AI学习

论文名称：Submodularity In Machine Learning and Artificial Intelligence 一、综述论文 这篇文章是一篇 综述论文（survey）。 核心目标是： 介绍 Submodular functions（次模函数） 以及它们在 机器学习与人工智能中的应用。 作者想说明一个非常重要的观点： 很多机器学习问题其实是“离散优化问题”。 例如： * Feature Selection：属于数据预处理问题，旨在从原始特征中筛选出最相关、最有信息量的子集，以降低维度、提升模型性能与可解释性。 * Dataset Subset Selection：属于数据采样或核心集选择问题，旨在从大规模数据中选取一个具有代表性的子集，以降低计算和存储成本，同时保持模型性能。 * Active Learning：属于机器学习训练策略问题，通过让模型主动选择最有价值的数据进行标注，以最少的标注成本最大化模型性能。 * Clustering：属于无监督学习问题，旨在根据数据的内在相似性，将未标记的数据自动分组为不同的类别或簇。 * Data
汇川机器人软件RobotLab常规操作

汇川机器人软件RobotLab常规操作

一.权限管理注意事项 1.1 软件登录权限管理 连接上软件后，修改轴参数、点位数据需要权限。点击人物图标，登录对应的权限，管理员权限登录密码6个0。 1.2机器人控制权限管理 点击“锁”，打开机器人控制权配置页面。 选择“InoRoboLabt”，机器人受编程软件控制，使用软件可手动移动点位、示教位置信息。 选择“远程IO单元”，机器人受外部设备控制如PLC、上位机，机器人进入自动模式，收到交互信号就按照程序执行。 选择“远程以太网客户端”，机器人受远程客户短控制，用于查找问题、远程调试。 二、 使用过渡点注意事项 程序中点到点直线运动会有机构干涉或有安全风险时，使用过渡点在运动规避风险。 使用过渡点时，注意指令的工具坐标系，选择正确的Wobj工具好，否则运动出错有撞机风险。 如下图所示为例，wobj0为A工位，wobj1为B工位,注意在“轴控制面板”中选择对应工具坐标号 三、使用全局点位移动注意事项 双击左侧“P.