步骤：

  1. 确认串口设备：通常为/dev/ttyS0（COM1）或/dev/ttyUSB0（USB转串口）。
  2. 设置波特率等参数：使用stty命令，例如：

    bash

    stty -F /dev/ttyUSB0 9600 cs8 -icanon -ixon
  3. 实时存储数据：通过重定向或工具捕获数据：

    bash

    cat /dev/ttyUSB0 > data.txt
    或使用screen：

    bash

    screen -L /dev/ttyUSB0 9600

完整示例：

bash

# 设置串口参数
sudo stty -F /dev/ttyUSB0 9600 cs8 -icanon -ixon
# 捕获数据到文件（Ctrl+C停止）
cat /dev/ttyUSB0 > serial_data.txt

附注：

  • 权限问题：执行命令前用sudo或将用户加入dialout组：sudo usermod -aG dialout $USER
  • 后台运行：添加nohup或结合&：nohup cat /dev/ttyUSB0 > data.txt &
# 嵌入式硬件 # 单片机 # arm开发
Logo
DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

Go比Python更适合做Agent应用开发的场景

Python的GIL限制多线程性能，尽管可通过异步（asyncio）或进程池缓解，但Go的轻量级协程在Agent需要高频交互或并行任务时更具优势。Go编译为单一二进制文件，依赖少，部署简单，适合资源受限的嵌入式或边缘计算场景。Python的动态类型虽开发快捷，但重构或扩展时易出现运行时错误，尤其在团队协作中。Go的垃圾回收机制优化较好，延迟可控，适合对响应时间敏感的Agent（如实时交易、机器人控

avatar DAMO开发者矩阵

模型预测控制（MPC）十年演进（2015–2025）

摘要： 2015-2025年，模型预测控制（MPC）从传统线性优化（手工建模、秒级求解）演进至端到端VLA大模型时代（可微MPC、量子加速、社交博弈）。中国实现从跟随到领跑（小鹏XNGP、华为ADS等），实时性从秒级突破至20μs，预测时域扩展至100+步，鲁棒性升级为全场景自愈。MPC推动智驾/机器人从刚性轨迹优化迈向意图级社交预测控制，完成技术范式跃迁。

avatar DAMO开发者矩阵

智能驾驶规划算法十年演进（2015–2025）

智能驾驶规划算法十年演进（2015–2025） 2015年智能驾驶规划算法主要依赖规则和Frenet网格优化，需手工调参，时延达秒级，轨迹精度仅米级。2025年已发展为端到端VLA大模型直接输出轨迹，融合游戏论社交博弈、量子不确定性补偿和全域自进化规划，时延降至50ms内，精度达厘米级，成功率超99.9%。中国从跟随Tesla跃升为全球领跑者，小鹏、华为、比亚迪等厂商主导创新，推动智驾从被动轨迹跟

avatar DAMO开发者矩阵