OpenWrt开发者沙龙:罗未演讲-阿里云开发者社区

开发者社区> 雷锋网> 正文
登录阅读全文

OpenWrt开发者沙龙:罗未演讲

简介:
  罗未:很高兴来到这里。下面要班门弄斧了,因为OpenWrt我觉得在座的很多朋友可能会比我们这个团队了解的更多,或者做得更深入,我们只是可能在传统的应用方向之外自己多做了一些,所以今天更多的只是借这次机会跟大家交流探讨,也希望跟我们各个开发社区的更多的朋友来一起学习,能够获得更多的可能性。所以我们先按照这个PPT的逻辑,我们先往后走一走。

其实可能有些朋友可能知道我们这个WRTnode的片子,就是这个黄色的小片子,WRTnode这个片子我们从这个片子本身的形态来看,它可能就很不像一个传统的路由器,因为传统路由器一是比如说至少最基本的一定是要有网口,那实际上对WRTnode这个片子来说在核心版上一个网口都没有,那只有它能够看到的一个相对极的接口就是一个Micro USB接口。所以实际上WRTnode这部片子在我们自己定位来看,它其实更多的真的是按照这样的心态去设计一个开源硬件的一个基础设施。

那实际上我们为什么会想到用MTK的芯片,或者MTK的方案来做这样的一个东西呢,实际上我们可能更多的是想拿它真的是做一些类似于智能机器,或者是智能设备这样的一些小玩意儿。所以我们可以一起来聊一聊,当我们聊到智能机器的时候,我们聊的是什么,我们然后最后看看怎么能跟我们现在的WRT做一个结合,所以我们先按照这个推进往后走一下。

对,智能机器。那实际上当我们聊到智能机器我们聊的是什么呢,首先我们说智能机器有什么,其实智能机器我们这列了两个,第一个是NEST,第二个是ANKI DRIVE。我觉得可能在座的各位应该对这两个设备都应该非常非常的熟悉,那NEST就不用说了,就是一个很值钱的一个小玩意儿,被谷歌买过去以后怎么样怎么样。那实际上另外一家就是,我相信ANKI DRIVE大家应该了解比较多,那上一家是谷歌的,下一家就是Apple的,这个所谓的智能小车。

那实际上为什么要把这两张照片放在这儿呢,是因为我们和我们的团队觉得,所谓的智能硬件出来很多了,各种各样的智能硬件。但是实际上从我们自己觉得真正配得上智能这两个字的,然后已经比较普遍的进入大众消费品市场领域的东西,我们觉得可能真的就是,这是这两个,第一个是NEST,第二个是ANKI DRIVE。

那为什么要这样说呢,其实我们可以跟着这个途径往下看,实际上我们觉得真正的智能机器或者智能硬件,它一定是一个感知和控制的闭环。就是说我们回过头来再看,拿这个感知和控制的闭环再来看这个NEST和ANKI DRIVE的时候我们就能知道,NEST有很多传感器,不光是能探测事故,甚至能探测里屋里头有没有人,还包括探测功率、电源的使用。这些传感器拿到一些基础数据以后,再进入它的机器学习的流程,进入它自己的云服务器的机器学习流程,它就把你的使用习惯花两三个星期的时间记录了下来。

NEST你可以不用去管它,它知道你什么时候回家,你使用温控器的习惯,然后在没有出轨,就是没有出意外的情况下,你回来它会按照你常规的要求和使用习惯自动帮你完成温控。

我们说过,一个机器最好的状态可能就是让你感觉不到它的存在。有个很好的例子,就是我们每个人身上的器官,好的时候你根本就不知道它在那儿,比如说胃,如果不是因为胃疼,你可能根本感觉不到胃的存在。所以所谓智能机器所谓NEST,它非常好地诠释了智能机器的概念。

接下来我们谈谈ANKI DRIVE,我们在座的可能也都看过他们的视频,它作为Apple推的产品,实际上也是走的这样的一个逻辑。ANKI DRIVE的光学传感器号称可以采集赛跑信息,它有每公里500HZ的频率,然后再把这些数据通过蓝牙返回到iOS手机,iPad,然后用iPad来协调小车在智能状态下下一步的动作,这个东西可能还要根据对方小车的情况。我们印象比较深刻的就是ANKI DRIVE的视频里面有一辆小车,就是那个红色个性的最具竞争力的小车。它试图超越前面的车的时候,那前面的车会挡着不让这个车超过,而整个这个过程完全是由这些小车和手机自动去完成的。所以ANKI DRIVE这样的一种中控的状态也是很完美的诠释了所谓的感知和控制的闭环,通过感知和控制机器人就可以自己来完成,而不需要人去参与,不需要人去说。所以就说智能机器按照我们团队粗浅的理解,就是说是一个感知和控制的闭环。

接下来就是我们说感知,感知是一个很大的话题。但实际上对我们现在看到的比如说机器人,或者说小车,或者说飞机,或者什么东西来说,感知可能分我个人,这都是我自己的想法。

我个人把它分成几个级别吧,第一个级别是SLAM,SLAM就是现场地图的构建。为什么一定要说这个,因为最近我们那个好基友团队,上海的Robopeak刚刚发布了他的激光雷达,这是全世界最便宜,而且功能非常OK的一个激光雷达。它可以用每秒钟用5HZ的速度扫描与周围障碍物的距离,扫描的是周围障碍物的一个平面。

实际上这个东西就是谷歌自驾驶车,谷歌车顶上顶的东西就是这么一个东西。这个东西对感知来说是一个非常非常重要的高级传感器。就人的感知而言,非常重要的一个方面就是视觉,视觉里头最重要的信息就是我与你与一个物体的距离,这个距离是由两眼的视差来判断的。那实际上对今天来说要实现这个,因为整个所谓的智能机器跟这个距离的探测都是一个非常非常高的基础设施,所以在这个上面如果没有一个非常好的SLAM的东西,去及时的触动这个距离和地图的模型的话,这个智能机器的感知应该说是一个非常麻烦的事情。

那另外一个就是传感器,说到传感器,今天其实我们另外一个好基友团队也在这儿,就是我们的团队,所以我们可以看到,刚才我们说这个黄色的是我们的WRTnode的片子,那实际上WRTnode的颜色是蓝色,就是说我们看到这个可能有些朋友已经知道,就是Microduino的东西,Microduino是全世界做得最漂亮的,那么小,精度非常完整,很文艺范儿。

我们团队跟他们的关系也非常好,我们一起来合作的一个WRTnode和Microduino的转接板,Microduino实际上是想告诉大家,传感器是一个非常完整的东西。他们在WRTnode体系里头至少已经有几十种传感器了,我就不班门弄斧了,我打个比方,这个叫石头传感器,石头传感器里头有一个三伏陀螺仪,要不然他们自己来说吧,说说你们到底有什么传感器。

发言人:大家可以看到,就这样一块小片子上,一英寸乘一英寸的大小,上面集成了气压传感器,包括地磁传感器,以及陀螺仪加速度。基本上大家听说过的飞行器、遥控飞机的所有姿态的控制和感知,在这样一个小的微型传感器上就可以完成。这个传感器在平台上玩的人会比较多,因为可能更加接近于所谓的物理事件。而大家这个玩路由器可能更多偏向的是网络方面,或者说软件方面。罗未同志今天讲的是智能机器,大家刚才说不光要Hack这个路由器嘛,我们要直接去跟物理的实践打交道,去接触更多真实的东西。那么这个时候我们就需要去借用,或者说去参考这个,以及其他好玩的,硬件里头的一些传感器,包括控制等等这些东西。

插话:你们还有什么各种传感器?

发言人:传感器太多了,如果大家有兴趣的话随便去查一查。

插话:你说一下大概是什么。

插话:你们自我介绍一下吧。

发言人:好吧,自我介绍一下,我们是Microduino,然后去年在(18:18)上,算是第一个中国人自己的(18:24)团队,然后在上面折腾一个多月了,折腾的还可以,筹了十三万四千美金差不多,就是卖了我们这些小小的模块。然后基本上我们还是借用了这个,不能说借用吧,就是我们是秉承了,继承了OpenWrt的这种开元硬件的精神,我们把这些东西进行了重新的设计,然后做得更加小巧,更加方便,更加好看。

我们大概现在基本上有了大概是已经有四五十种不同的模块,包括大家用的比较多上网蓝牙、WIFI,各种无线或者是传感器之类的,我就不在这儿占用太多时间了吧,继续交给你。

罗未:谢谢我们这个好基友团队,跟我们合作了很多,也相互帮助了很多。说到传感器,实际上传感器就是通过各种电子元器件的方式,去得到外界更多的信息,包括电波或者是各种模拟量的。其实我们说的几种知觉:嗅觉、触觉、味觉还有其他,传感器可以做的比人的感觉更灵敏,也有更多的渠道去得到信息。它能够是千里眼,能够是顺风耳,能够真正的非常定性、定量的得到自然界的各种各样的数据,甚至比如说无线电、宇宙什么的这些都是OK的。

其实对于机器来说,它的感知手段和感知的准确、精确度在很多情况下比人的感知系统还稳定、多元化、更灵活。人除了感知系统,还有一种很重要的所谓模式识别的能力,就是说为什么这是一瓶水,为什么你看见这一类的东西你就觉得它是一瓶水呢?这是一个很难解释的问题,比如说你们都能听得懂我说话,但我说的话无非就是一个声波的震动,你们为什么能听懂?这就是模式识别的理念:你在婴儿的时候听不懂话,当你听得特别多以后就能听懂了,模式识别走的就应该是这个路子。

讯飞为什么能知道你在说什么?是因为讯飞把很多人的话都拿过来处理一遍,然后把抽出语音能够识别的模式,以后所有的语音都用这个模式来匹配。如果符合这个模式它就认为你说的就是这个东西。

实际上图像识别也是一样的,比如说这个杯子你可以给它建一个模式,然后训练一个模式,然后完了以后只要图片符合这个模型的东西,我们就认为它就是一瓶水,或者一个杯子,或者一个什么东西。

所以模式识别对机器的感知来说也是非常重要的,实际上我们在各种不同的应用场合,可能会有不同的模式识别的方向、方式、办法,或者是采集的对象。在日常生活中,我们可能在大众消费品里面希望看得到模式识别,至少在现在这个阶段我们团队想的是应做图像识别这一块,在这两个基础上我们就能干出很多很有意思的事情了。

下一步我讲一下感知,可能先讲一下控制。讲控制之前我是想跟大家看一个视频,大家知不知道WRTnode以前做过一个东西叫五毛机,可能有一些朋友知道,我们看一下五毛机的视频,直接在优酷就能搜到。那个五毛机实际上是我们另外一个好基友团队,就是Microduino是去年上的Kickstarter,我们另外一个叫UFactory的好基友团队,是今年上的Kickstarter,他们做的是一个机械臂。可能有些朋友已经知道了,那个机械臂做得很有意思,不是这个视频,这个太简单了,UFactory也是是一个机械臂,其实它本身延伸的功能是通过比如说(23:50)去控制机械臂的三个自由度的动作来抓取或者吸附。这是我们的一个视觉控制的单次的机械臂,就是哪动它就去哪。UFactory完全是工业机械臂的一个桌面板,就是等比例缩小,因为工业机械臂的控制很复杂,所以他们就用鼠标来控制,或者用(24:43)来控制这个机械臂的动作。那实际上我们团队把那个机械臂拿过来以后做了一个更好玩的动作,我们可以来看视频。

(视频播放)

罗未:这就是深圳的Maker Faire的活动,这个人是(25:16)创始人,这个你们就可以看到了,这是我们的计算机视觉部分,它以每秒十几桢的速度去采集硬币的位置和大小,然后做出处理,然后五毛钱放在那边,一块钱放在这边。这是一个完整的动作,就是完全用自动化的形式来控制它,来做硬币的识别和吸附。

本来那个五毛机和机械臂是用鼠标,或者说你去编程等完全人工去控制或程序化控制。但是我们这台机器把它变成了它完成是由外界的因素,由模式识别来控制。它那个摄像头里头看到硬币的位置,然后它识别是一块钱还是五毛钱,然后就把这个硬币吸附起来,然后一块钱放这边,五毛钱放这边。这个是我们一个叫做模式识别和程序化控制的一个典型案例吧,可以不用看了,回到PPT上。

这就是程序化控制。我们刚才看到那个控制过程分成两个部分,第一个部分叫程序化控制。实际上在整个五毛机的过程里头,我们并没有太多逻辑上很让人无法理解的东西,我们就是用计算机视觉来看出去每个硬币的位置,以及每一个硬币的大小,然后我们根据这个硬币的大小,把硬币吸起来,然后把它做一个分解,这是这样一个所谓的程序化控制。程序化控制还会有一个DAMO,已经好了吗?

插话:应该可以了。

罗未:那用那个电脑吧,我这边讲讲。这是我们又一个好基友团队的东西,makeblock也是在Kickstarter上,makeblock其实比你们还要早,但是他们把自己包装成一个外国公司,他们是做的机械精度,就像乐高一样,但是他们比乐高的终端做得更高级一些,你完全可以自己把这些组件组装起来。

这个三轮小车是他们一个比较经典的样子。这个小车上有两个电机来控制它的动作,它本身是用摇控器来控制的。但你看我们把这个板子加上去以后,就可以用它实现另外一种程序化控制,就是图形化编程界面。

就是我把它编成程序,而且我编程序的时候不是一行一行地敲代码,而是像做方块拼图游戏一样,把你的每一个代码里头的动作拼成一个一个连在一起的方块,然后去执行这个方块。这就是所谓让3岁的小朋友也能编程,而且能够让他真正在编程序的结构里看到他的东西。就是让小朋友在上面玩这个东西的时候,编程,然后你哪怕是3岁或者是5岁的小朋友不懂任何编程语言,也能用程序来控制这个车的移动。

所以这个东西就是,另外一种程序化的控制。那我们等一下看这个DAMO。

实际上除了程序化控制之外还会有一个更高级的玩意儿。我们先说下一个,就是所谓的神经网络与机器学习。

神经网络与机器学习这个是一个更高大上的话题。这个领域的典型案例就是我们刚才说到的NEST,NEST最开始的时候,它是不知道你的用户习惯的,也不知道你什么时候去开,什么时候去关,但是它大概在两个星期以后,它就完全记下来你的用户习惯,而且这个记不是简单的记几点几分,而是根据环境,根据你自己,它还会判断你大概会几点,然后根据时间、人、环境,然后能源的消耗等等这一系列的因素来判断和学习你的用户习惯,然后最终变成一个,就像刚才说的没有特别意外的情况,它完全会满足你的温控的要求,因为温控不光光是开和关。

刚才说到的就是神经网络与机器学习,机器学习其实跟刚才说到的模式识别是关联的很紧的一个东西,就是机器学习是指什么都不知道的,最开始是什么都没有。

然后我们来看,我现在拿到一个(艾帕),(艾帕)就是我连的是SSAD是这个叫(32:29),我们wifi应该看到有个叫(32:31)的SSAD,然后打开这个网页,这个网页实际上就是一个主题化变成了网页。现在看见车在下面乱转,实际上它转的轨迹跟我们这个产品的轨迹是完全一样的。

然后这个最简单的就是图像化编程界面,图像化编程界面包括。这儿是我们一般会先弄个循环,比如说重复执行十次,然后让它前进一百米这样的一个东西,完了以后围绕它再转个弯。右转90度,然后这就是一个最简单的控制的逻辑,就是让它重复十次,然后先走一百步然后再转90度,然后完成了以后,它连上这个WIFI以后,一点一滴形成它已经开始了,我们现在看到的是这个图形在这个截面上正在画一个正方形,实际上这个车在下面也在画一个正方形。所以那实际上这是一个最简单的DAMO,因为我们不去看这个,这里会有非常完整的,或者你能完成一样的这些语言环境。

你看这个逻辑,然后综合各种条件判断、数学循环、车的控制。这相当于用一个程序化控制的典型的集成较高的东西吧。就是你在屏幕上玩什么,我们就通过我们的这个机器翻译出来,然后把它放在机器上,让它在上面画一个正方形或圆形,或者走到哪去。

这实际上这只是一个简单的例子,当我们进行类似的程序化控制,把传感器放进去的时候,我们甚至可以做到我先看见前面有一个障碍物,然后我就退回来。这个动作的整个逻辑可能还有障碍,但它的可能性已经在这儿了。就是说你可以通过非常简单的逻辑去控制你的小车,对你的小车设计一个程序,然后来进行控制。那这就是程序化控制的这么一个方向吧。

比程序化控制更高级的就是神经网络与机器学习,其实程序化控制还是由人预先去设好了的话那还要他要干吗?对于更高级的神经网络与机器学习,我人对这个的定义更没有那么具体了,比如说我就是让你去把温度管理好,那怎么管理,你要根据这个用户真正之前的习惯,然后NEST温控按照他的习惯来做,不做任何的预设。

这个东西更好的一个理解就是,大家知道北京有一个团队用电脑来玩Flappy Bird,他用OpenWrt识别Flappy Bird的状态,通过控制一个小机械手,用电脑自动的点Flappy Bird来玩,能玩很多分。

但实际上有一个更高级的团队玩的更嗨,就是他通过一个机器学习的算法去学习,用这种监督的方法去奖励,去训练这个算法模型,然后来控制他来玩Flappy Bird,实际上Flappy Bird能玩多少分是依赖于编程编的好不好,编的越好玩的粉就高。

但是在那个机器学习的算法里头,Flappy Bird能玩多少分,完全取决于于你训练这个算法训练了多久。按照他们的说法,他们训练大概几个小时以后,就能玩到几万分。所以完全不一样,就是如果你再往下训练他没准能玩到多少分,那如果你只训练三个小时,他可能只能玩几十分。

所以这个过程也就是所谓神经网络与机器学习之所以那么火,是因为现在大数据的基础已经非常深厚了,有这么多的数据的资源可以去做这个机器学习和神经网络,来达到我们的自动化。实际上在小说中也是有同样的案例的。所以控制这个部分我暂时就先讲这么多。

然后刚才其实也看到了NEST和ANKIDRIVE的实验,他们是怎么做到的?我们大概也理了一遍。而我们WRTnode团队其实是按照感知和控制的角度去做动作和产品的。

但从另一个角度来看,我们实际上要做的就是Cyber和Physical这几件事,一般Cyber这一块就是网络这一块,我们希望把它分装成一个简单的函数。这个地方可能还要再跟大家讲一下原理。我们的这些东西完全是存在片子里的,所以我们这个体系完全不需要第三方平台的介入。然后这个上面我们一方面是漫画,另外一方面是在调用我们另外一个API来控制这个车轮的动作。那么另外的API就是这个车本身的前后左右图这几个动作。那个API是我们自己在这里头把它封装成了一个RESTful,也是一个HTV的形成,所以刚才他们在说8080因为我们所有的RESTful全部放在8080端口上。所以在页面端它同时执行这个的时候,它就会同时把这个8080的RESTful的这个API去调用到,所以看到它的动作是完全同步的。它这儿走一步,这儿真正就在走一步,而且它会等待这个走完了以后它再走下一步,右转弯或者再往前走一步。所以我们必须通过调用RESTful和API的形式来做这个东西。

所以最最重要的就是所谓的API规划,我们的API规划就是我们的这个,刚才我们的RESTful的一些API。实际上按照我们刚才说是一个控制的话,你可能希望的是模式识别类的东西。模式识别可能更多人认为它是数码领域的动作,因为它通过摄像头,通过话筒去采集你的声音,采集你的图像。然后数模转换可能更多是我们传统意义上的这些传感器,然后完了以后去控制电机的转动,然后通过电机的转动,通过这些机械功能,机械结构去实现它的功能,比如小车怎么去走,然后机械臂就是去抓取,然后放。

另外我们可能还会希望能够做一些所谓的自主智能,就是机器学习的东西,另外因为它本身是互联网,它本身是个物流器,它跟互联网是联系在一起的,所以我们希望买一些网络上的交口,比如(HGDP、IM、SNS),比如说微博、邮件、什么微信一些东西都能够放在它里头作为一个可以调动的API,所以这是我们另外一个角度的API规划,那当有了这些API规划的时候,我们就能够真正的把WRTnode这个东西整合在非常完整的类似与这个的机器中,智能机器的开发平台。

实际上刚才企事业说到了通过语音和语音、语意的识别,图像和机器学习,多媒体,SNS和英特网,就是把所有的控制和采集的东西全部包到OpenWrt里面去,因为OpenWrt很方便的能把所有这些东西和不同层面的东西都能够整合,再用些搜索方法也很随意。比如说我们刚才这个里头调的,就是我们这个192.168.8.1,8080端口,然后一个G,问号,go100,它就是五毛钱走一百,然后如果是go-100的话它就往后一百,然后是T问号goo一百的话它就往左转一百度,然后是-100的话它就往右转一百度,那就往这儿了,所有的RESTful和API全部是那样的。

所以就是说当你在那上面的RESTful的指令打进去的时候,输进去的时候它就能做这些动作,所以为什么我们一定要用RESTful形态,因为它最利于去不同的语言,不同的平台去工装这些机器,去拼接这个机器,然后也非常容易用这样的的图的界面去实现它。所以就是我们可能在另外一个场合说过,就是我们这个团队可能最大的希望就是让大家在智能机器开发的事情上能够降低大家的门槛,甚至让从小朋友到更高级的开发者,都能够玩智能机器的开发。但很重要的一点就是我们其实还没有弄到这种交互,就是要通过这些库来做一些传感器的采集,然后做一些机器结构的实现,然后做我们的各种电机控制,来控制这个物理设备真正的运转。

另外当然我们还有OpenWrt本身的配置和管理。这是我们正在做的,然后我们刚才已经看到了这个乌龟图形对吧,这是我另外画的一个。乌龟图形它其实能够控制的东西,除了动作之外还有颜色、粗细,当然我们用这样一个小车的设备可能并不会太好体现它的颜色、粗细,但是我们能够体现它的轨迹。

实际上我们在网页上能够走这么一个圈,这个代码完全不需要做任何变动,然后跑到地上它真的就在那儿转圈,因为刚才你已经看到了我们在这儿跑了一个四边形,但实际上那个小车就在那儿一直转。这是另外一个图形化编程界面,这个可能更多的考虑到了各种外界因素的交互,因为这里头有各种各样的参数值来做输入,然后来导致这么一个结果。

实际上对于做智能机器上我们觉得,要解决两个问题,第一是感知,第二是控制。

那感知的时候可能要做传感器,做模式识别;那控制的时候可能要做一些程序化的控制,如果能够做到自动化的机器学习的动作是更好更好的一个控制的方法。

那为了做好这个东西我们再分装一些API,然后把所有的感知和控制都变成一个API,然后让不管是高级开发者还是普通开发者,甚至是一些小朋友都能够通过使用自己比较擅长的手段去联合这些API。当然如果更高级的开发者可以自己去产生这个API,因为我们本身API产生的方式也是完全开放的,而且非常非常的简单。待会儿我们会把我们的地址告诉给大家,如果大家上去一看就知道了,做一个API太简单了。

你要把我们所谓的RESTful平台,做在OpenWrt上太简单了,所以整个来说我们的想法就是通过这样的手段,把这些API和开发环境拿起来,让我们每一个人,每一个愿意做开发的人都能按照自己的开发水平,找到自己开发的方式,可以用图形化编程界面都没有问题,来做开发。

另外,对我们很重要的应该是我们的合作伙伴,我们的合作伙伴实际刚才数据中也提到了,有上海的Robopeak,深圳的seeedstudio,然后深圳的makeblock,然后深圳的UFactory,北京的Microduino和北京的FlamingoEDA,所以这些都是我们非常重要的合作伙伴。

因为我们其实更多的是在这个板子和OpenWrt上做工作,那实际上就像我们看到的我们的传感器,这一块可能更多的是依赖于我们跟Microduino的合作,然后像小车可能更多的依赖于makeblock的产品,然后机械臂可能更多的依赖于UFactory的产品,然后像刚才最开始说到的SLAM,就是疾驰上海的激光雷达。我们更多的是想跟我们的这些合作伙伴一起来完成一整套智能机器,说得大一点叫生态体系,就是不管你是一个爱好者还是一个开发者,然后借用现成的那些技术手段,然后跟WRT非常完整的支持,就能够很轻松、很快速的来构建咱们的智能体系,智能机器。

所以我们看到了这四种,其实也可以有更多想象空间。所以最重要的就是我们能够用这样的机器,然后跟云、跟环境、跟人一起来做一个智能机器的黑客帝国。所以我们可能觉得下一个要来的时代就是一个叫智能机器的互联网时代。不光光是移动互联网,而是有机器有人有环境,然后有云计算的一个互联网。

但是,为什么使用路由器的方案来做这件事情呢?为什么使用OpenWrt来做这件事情呢?刚才其实已经陆陆续续讲了这个话题,就是因为OpenWrt比安卓轻很多,但是传统比较轻的操作系统都很麻烦。就比如说我们做NODG-JS的移植,移植进去以后它就是环境。而且我们做这个移植的事你根本就不用去刷机,你根本就不用去动编程器,你就像安卓安装一个APP一样,把东西扔上去就够了。因为OpenWrt的确有非常多非常多优秀的特征,实际上这么多优秀的特征在我们身边的hoowa的智能路由器的过程中其实都讲的非常的清晰。所以OpenWrt案例的入门我非常建议大家按照咱们这个hoowa的课程一步一步的去走完,走完以后你就会知道我们的OpenWrt为什么这么方便,这么好,这么能够来支持嵌入式设备,或者说嵌入式智能设备的开发。

另外我们用路由器芯片做这个是因为它还有一个非常重要的原因,它互联网能力非常非常强,它是完全为互联网而生的,而且它太便宜了,所以我们觉得一定是要用路由器的芯片方案来做。这是我们WRTnode的一些参数。

这个最后是我们在WRTnode.com,然后以及cn.WRTnode.com,然后我们的facebook、twitter、google,还有微博都是WRTnode。然后最重要的一点就是今天开发的很多,如果有兴趣的开发者一定去进上面找一些WRTnode,我们所有的东西全部是放在那上面的,WTR当然上WTR上去找,然后如果是我们的相关,包括五毛机,包括今天看到的这个小车,还包括坦克,包括我们之前做的所有的动作,你全部放在那个键盘上找,大家以后都可以来做。

另外我们非常希望大家能够跟我们一起来做一个智能机器的开发者社区,很好玩,然后我们希望各个参与者,各个层次的参与者都能够跟我们一起来把这件事情做得更深入,更好玩。

实际上现在我们看到的NEST和ANKIDRIVE是一个很好的机器,而且它们得到了很大的商业成就,但是实际上我们觉得真正往下走可能还有更多更多的互联可以去做。因为眼前能够看到的可能性已经非常多了,所以我希望大家真正能够玩起来在这条道路上,玩出更多的可能性,让整个行业能够知道这个世界上的智能机器其实不简简单单的只有所谓的NEST、ANKIDRIVE,然后可能突然间北京会冒出一堆类似的这种比他们还要牛的机器。好吧,谢谢大家。

  
  
 
  本文作者阿波罗

本文转自雷锋网禁止二次转载,原文链接

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:
+ 订阅

秉承“关注智能与未来”的宗旨,持续对全球前沿技术趋势与产品动态进行深入调研与解读。

官网链接