Компьютер Raspberry Pi Zero получил собственную макетную плату
Создатель блога Average Man vs Raspberry Pi разработал макетную плату ProtoZero для микрокомпьютера Raspberry Pi Zerо. Проект собрал необходимые для производства средства при помощи краудфандинга. Об этом сообщается на странице проекта на Kickstarter.
ProtoZero представляет собой макетную плату размером с Raspberry Pi Zero, которая присоединяется к 40-контактному разъему расширенного ввода-вывода (GPIO), образуя «этажерку». По словам разработчика платы, подобный формат удобнее для создания и отладки различных процессов, при этом сопоставимые размеры платы позволяют использовать ее в тех проектах, где критичен размер.
Автор проекта отмечает, что ProtoZero можно соединять в несколько уровней. Кроме того, плату можно использовать и с другими компьютерами семейства Raspberry Pi.
Для того, чтобы приобрести макетную плату ProtoZero, необходимо пожертвовать проекту на Kickstarter пять фунтов стерлингов (около семи с половиной долларов), что в полтора раза дороже стоимости самого микрокомпьютера. Платы будут отправлены инвесторам проекта в марте 2016 года.
Raspberry Pi Zero — самый дешевый из микрокомпьютеров семейства Raspberry Pi и продается по цене пять долларов США. Устройство, представленное в ноябре 2015 года, работает под управлением Raspbian. На плате установлен гигагерцовый процессор ARM11 core, 512 мегабайт оперативной памяти, разъем HDMI, слот для microSD, два разъема microUSB для питания и подключения периферийных устройств, а также два нераспаянных разъема: GPIO и композитный видеовыход.
Он позволяет управлять компьютером
Исследователи из Reality Labs, исследовательского подразделения компании Meta*, разработали неинвазивный нейромышечный интерфейс в формате браслета, который декодирует электрические сигналы мышц на запястье и позволяет с их помощью управлять компьютером. Устройство способно распознавать отдельные жесты пальцев руки и отклонения кисти. С его помощью пользователи управляли курсором и вводили рукописный текст со скоростью до двадцати одного слова в минуту. В основе системы лежат универсальные нейросетевые модели, натренированные на большом массиве данных, полученных от нескольких тысяч добровольцев — это позволяет новым пользователям использовать браслет без долгой предварительной калибровки. Статья опубликована в журнале Nature.