← 返回快讯

快讯

Pollen 机器人 Microduck 换上首块全定制 SBC，由 Seeed 基于同款 Rockchip CPU 打造

huggingface

Matthieu Lapeyre 宣布，Pollen 机器人 Microduck 迎来了首块全定制单板机，替代原型中 Radxa 主板叠加板的方案。据其介绍，该板由 Seeed 围绕同款 Rockchip CPU 制造，但内存、WiFi/蓝牙更佳，配备双 NFC 天线、面向用户的状态 LED 和 RGB 手电，并在散热、线缆管理和启动速度上有重大改进。首版硬件已到货，团队一天内就完成全部系统运行，作者称这是通往量产发货路上的重要里程碑。

硬件机器人PollenSBCSeeedRockchip

查看原始帖子 ↗

查看原文
RT Matthieu Lapeyre Microduck got its new brain! Our first fully custom SBC in a Pollen robot! It replaces the Radxa + board sandwich from the prototype. Built by Seeed around the same Rockchip CPU but including better memory, better WiFi/BT, dual NFC antennas, user-facing status LEDs, an RGB flashlight, and major improvements in cooling, cable management and boot speed. First revision arrived, and we got everything running on it within a day. Pretty good day :) A big milestone on the road to shipping!

前后快讯

上一篇Pollen 机器人 Microduck 换上首块定制 SBC，首版一天内跑通

下一篇EmbeddingGemma 2 发布：740M 参数多模态嵌入模型，可在浏览器本地运行

同账号快讯

  • Liquid AI 发布 Open d1：两个开放权重多模态决策模型

    Hugging Face 官方账号转发 Viviana Márquez 的消息：Liquid AI 宣布发布 Open d1，为其 d1 决策模型家族中的两个开放权重多模态模型。其中 d1-3B 支持文本+视觉，d1-omni-600M 支持文本+图像或文本+音频。团队表示这些模型可在 NVIDIA DGX 数据中心、RTX 工作站到 Jetson 边缘设备上实现实时决策。以上型号、能力与部署说法均来自作者/团队原文，未独立核实。

  • Liquid AI 发布 d1-3B 及实验性 d1-omni-600M 决策模型，支持本地部署

    据 Liquid AI（经 Hugging Face 转发）介绍，该团队推出 d1-3B 决策模型，适用于高质量文本与视觉决策；另提供实验性的 d1-omni-600M，面向对资源占用敏感的场景。用户可下载模型权重，进行微调并在本地部署。相关资源包括官方博客、Hugging Face 权重页面及文档。

  • Sayak Paul 发布长文：flow 模型图像生成中的 KV 缓存

    Hugging Face 转发 Sayak Paul 的署名文章。作者称该文提前于情人节发布，主题为 flow 模型图像生成中的 KV 缓存，内容包括直觉讲解、评论、实现细节、基准测试以及一些趣味实验。文章链接见原帖。

  • MiMo 2.6 Flash 实测：跨 RTX 6000 与 M5 笔记本异构运行，40 tokens/sec

    作者 Pedro Cuenca 发文称，他可以在 RTX 6000 GPU 和 M5 笔记本电脑之间跨异构硬件运行 MiMo 2.6 Flash，速度达 40 tokens/sec，通过 10 GbE 连接。他称使用的是该模型的原生 mxfp4 权重，并已被 llama.cpp 开箱支持。以上为作者自述的实测结果，未经独立核实。

  • EmbeddingGemma 2 发布：基于 Gemma 4 的原生多模态嵌入模型

    作者宣布 EmbeddingGemma 2 发布，称其为首个基于 Gemma 4 构建的原生多模态嵌入模型，采用 Apache 2.0 许可。模型可将 100 多种语言及代码、图像、音频、视频嵌入同一向量，上下文 8,192，提供 740M 全模态、440M 文本+视觉、570M 文本+音频、270M 纯文本版本，作者称在 MTEB Code 上提升 14%，并已在 Sentence Transformers 和 LiteRT-LM 可用。