Monatsrückblick Januar/Februar 2026 ist online!

[wawyo]

Update – Intelligentes Ressourcenmanagement & KI-Lernen

Update-Übersicht
Mit dem kommenden Update erweitere ich den Dreamehome Adapter um ein umfassendes, intelligentes Ressourcenmanagement-System. Das System implementiert KI-gestütztes Lernen für Wasser- und Reinigungsmittelverbrauch, vollständiges Wischpad-Tracking und persönliche Gewohnheitsanalyse.

Kernfunktionen

1. KI-optimiertes Wasser-Tracking

• Adaptive Verbrauchsanalyse: Lernt raumspezifischen Wasserverbrauch (Küche vs. Bad vs. Wohnzimmer)
• Prädiktive Füllstandsberechnung: Exakte Vorhersage verbleibender Reinigungszyklen
• Modellspezifische Optimierung: Automatische Anpassung an Tankkapazitäten (2L-5L)
• Intelligente Nachfüllerkennung: Erkennt Tankentnahme und berechnet Nachfüllmengen

2. Präzises Reinigungsmittel-Management

• Exaktes Dosierungstracking: 5ml/10ml/12ml/15ml je nach Wischstufe
• Tankkapazitätserkennung: 290ml (L10s Serie) oder 520ml (Matrix/L20/X-Serie)
• Zyklusberechnung: 29 bzw. 52 Reinigungszyklen pro Tankfüllung
• SmartAutoWash-Integration: Automatische Anpassung basierend auf Verschmutzungsgrad

3. Vollständiges Wischpad-Tracking

• Matrix/X-Serie: Separate Tracking für Pad-Typen A/B/C mit je 300h Lebensdauer
• Alle Modelle: Komplettes 300h-Lebensdauer-Monitoring
• Echtzeit-Status: Prozentuale und zeitbasierte Anzeige
• Proaktive Warnungen: Benachrichtigungen bei niedrigen Restlebensdauern

4. Persönliches KI-Lernsystem

• Zeitliche Musteranalyse: Lernt bevorzugte Reinigungszeiten
• Modus-Statistiken: Trackt Nutzungshäufigkeit aller Reinigungsmodi
• Raumspezifische Profile: Individuelle Optimierung pro Raum
• Gewohnheitserkennung: Identifiziert persönliche Reinigungsroutinen

---

Praktische Vorteile im Alltag

1. Intelligente Auto-Vervollständigung

Ihr sagt: "Alexa, Wohnzimmer reinigen"
System ergänzt automatisch: "Standard saugen + Medium wischen (2x)"
 Spart Zeit bei häufigen Befehlen!

2. Natürlichere Sprachbefehle

Funktioniert jetzt:
• "Küche intensiv putzen"
• "Bad zweimal gründlich"
• "Schlafzimmer leise sauber machen"
• "Flur schnell saugen"

3. Personalisierte Empfehlungen

Frage: "Alexa, wie soll ich das Gästezimmer reinigen"
Antwort: "Empfehlung: Standard saugen, Niedrig wischen (basierend auf 3 vorherigen Reinigungen, 75% Sicherheit)"

Neue Sprachbefehle im Detail

Lernsystem abfragen und steuern:

• "Was hast du gelernt" – Zeigt gesammelte Lernerkenntnisse
• "Zeige Lernstatistiken" – Detaillierte Auswertung des Lernfortschritts
• "Wie oft wurde [Raum] gereinigt" – Raumspezifische Reinigungshistorie
• "Empfehlung für [Raum]" – Persönliche Reinigungsempfehlung
• "Lösche Lernhistorie" – Setzt die Lernhistorie zurück
• "Zurücksetzen Lernsystem" – Setzt das gesamte Lernsystem zurück
• "Ignoriere letzte Reinigung" – Letzte Reinigung wird nicht gelernt
• "Welche Räume gelernt" – Zeigt alle erlernten Räume an
• "Vertrauenswürdigkeit" – Zeigt Genauigkeit der KI-Vorhersagen
• "Optimale Einstellungen" – Empfiehlt beste Reinigungsparameter
• "Welcher Raum ist [Reinigungsart]" – Raumerkennung basierend auf Einstellungen
• "Wie erkennst du Räume" – Erklärung der Raumdetektionslogik

Wiederholungssteuerung:

• "Wohnzimmer zweimal reinigen"
• "Küche dreimal gründlich"
• "Flur mehrmals saugen"
• "Wie viele Wiederholungen für das Schlafzimmer"

Ressourcenabfrage:

• "Roboter, Wasserstand anzeigen"
• "Roboter, Reinigungsmittel-Status"
• "Roboter, Wischpad-Status"

Das System wird mit der Zeit besser

Datenqualitäts-Stufen:

 Neu (0-2 Reinigungen): Basisempfehlungen
 Gut (3-5 Reinigungen): Erkennbare Muster
 Sehr gut (5+ Reinigungen): Persönliche Optimierung

Für alle Modelle optimiert: Matrix/X-Serie / L20/L30 Serie:

---

Zusammenfassung
Ich verwandele euren Dreame-Roboter mit dem nächsten Update von einem einfachen, sprachgesteuerten Gerät in einen intelligenten, lernenden Reinigungsassistenten, der:

Versteht deine Gewohnheiten (Wann, wie oft, welcher Modus)
Lernt persönliche Vorlieben (Zeiten, Stufen, Wiederholungen)
Spart Zeit durch intelligente Auto-Vervollständigung
Wird immer besser je mehr du ihn nutzt
Ermöglicht natürliche Kommunikation

Ich habe dafür ein vollständiges Ressourcenmanagement-System entwickelt, das deinen Roboter zu einem kompletten Smart-Home-Assistenten macht.

---

Häufige Fragen

Q: Muss ich etwas aktivieren?
A: Nein, das System startet automatisch mit der ersten Reinigung.

Q: Werden meine Daten gespeichert?
A: Nur lokal im ioBroker, keine Cloud-Übertragung.

Q: Kann ich das Lernsystem zurücksetzen?
A: Ja, mit "Lösche Lernhistorie" oder "Zurücksetzen Lernsystem".

Q: Werden Pad-Typen erkannt?
A: Ja! Matrix: A/B/C separat, andere: Standard-Tracking.

Q: Lernt das System wirklich meine Zeiten?
A: Ja! Es merkt sich, wann du typischerweise putzt, und passt Vorschläge an.

---

Ich plane die vollständige Veröffentlichung für Q1 2026.!

[mcm1957]

Adapter sollte als DEPRECATED betrachtet werden

Der Adapter wurde im November 2025 einem Review unterzogen. Die dabei angemerkten Issues wurden bis heute nicht als behoiben gemeldet und der Dev hat seit längerer Zeit auch auf explizite Nachfragen NICHT mehr reagiert. Es ist daher davon auszugehen, dass er den Adapetr nicht finalisiseren will / wird.

@wawyo
Falls dich die mehrfachen Nachrichten auf Github nicht erreicht haben hier nochmal der Link zum PR:
https://github.com/ioBroker/ioBroker.repositories/pull/5182

Sollte auf Github keinerlei Reaktion bis spätesten 15.2.2026 erfolgen, wird der PR zuer Aufnahme in die Repositories geschlossen.

---

Generell gilt auch hier:
Von direkten Installation von GitHub - insbesondere auf produktiven Systemen - wird explizit abgeraten.

GitHub Versionen können sich jederzeit (auch kurzfristig) ändern und durchaus auch in sich inkonsistent und fehlerhaft sein. Versionsangaben von GitHub Installationen sind Schall und Rauch da die Versionsnummer zumindest bei Verwendung der standardmäßigen Umgebung erst im Zuge der Releaseerstellung geändert wird.

Auf explizite Aufforderung durch den Entwickler kann eine GitHub Installation zur Fehlereingrenzung oder zum Test neuer Funktionalität - unter Inkaufnahme des erhöhten Risikos - natürlich erfolgen.

Adapter die nur via GitHub oder npm (also NICHT aus einem der beiden Repositories) installierbar sind sind mit erhöhter Vorsicht zu betrachten. Hier sollte der Entwickler drum ersucht werden eine Aufnahme in die Repositories zu veranlassen indem z.B. ein Issue im Adapterrepository erstellt wird.

EDIT:

Lt. Kommentar hier: https://github.com/spayrosam/ioBroker.dreamehome/issues/31#issuecomment-3797152660 arbetet spayrosam sehr wohl am Adapter und plant eine repositorygeeignete Version bis Ende März 2026 fertigzustellen.

DANKE an ihn für seine Arbeit und Zeitspenden.

[wawyo]

Entwicklungs-Update Dreamehome Adapter

Hallo zusammen,

ich wollte euch kurz ein Update zur Entwicklung meines Dreamehome Adapters geben und zeigen, was ich bis jetzt erreicht habe.

In den letzten Wochen ist sehr viel neue Funktionalität dazugekommen. Der Adapter erweitert die Möglichkeiten der Dreame-Geräte deutlich und bietet inzwischen Funktionen, die über die Möglichkeiten der offiziellen Dreamehome-App hinausgehen.

Ursprünglich war geplant, den Code Ende März 2026 zu veröffentlichen.
Aktuell bin ich jedoch noch dabei, ein paar Bugs zu finden und zu beheben, damit der Adapter stabil und zuverlässig läuft.

Außerdem möchte ich sicherstellen, dass der Adapter für VIS-2 Nutzer auf keinen Fall Einschränkungen enthält, daher nehme ich mir dafür noch etwas zusätzliche Zeit.

Aus diesem Grund wird sich die Veröffentlichung voraussichtlich auf April verschieben.

Aktueller Entwicklungsstand (Video)

https://youtu.be/srXrZHiCeKI

Sobald alles stabil läuft, werde ich euch natürlich informieren und den Code bereitstellen.

[MrHenker27]

@wawyo

ist auch mein "Problem" in Arbeit? (mit der nichtvorhandenen Karte bei den GEN2 Geräten) Ich freu mich schon auf eine neue Version.

[wawyo]

Ich habe den kompletten Code noch einmal komplett neu geschrieben und dabei auch die Verschlüsselung von Dreame berücksichtigt. Das war ehrlich gesagt keine leichte Aufgabe.

Während der Entwicklung habe ich mehrere Wege gefunden, wie man an die Karte kommt. Falls eine Methode die Karte nicht findet, gibt es jetzt verschiedene Fallback-Möglichkeiten.

Und da kommst du ins Spiel: Du wirst vermutlich einer der ersten sein, der die neue Version testen kann. Ziel ist herauszufinden, welche Methode bei unterschiedlichen Geräten am zuverlässigsten funktioniert, damit ich entscheiden kann, welche davon am besten als Fallback geeignet ist.

Am einfachsten wäre es, wenn du dein Gerät einmal teilen könntest (natürlich ohne Kamera). Ich habe allerdings keine Lust, mich aktiv in andere Geräte einzumischen – daher wäre mir regelmäßiges Feedback während deiner Tests deutlich lieber.

Mich würde außerdem interessieren, ob du die 3D-Ansicht auch in der App hast. Mir ist aufgefallen, dass dort scheinbar zusätzliche Informationen für die Wände vorhanden sind, die in der normalen Karte teilweise fehlen.

Besonders auffällig ist das bei den I-Frames (Intra Frame – vollständiger Karten-Snapshot) und den P-Frames (Predicted Frame – enthält nur Änderungen zur vorherigen Karte). In beiden fehlen teilweise auch die zugehörigen JSON-Daten, in denen normalerweise zusätzliche Karteninformationen enthalten sind.

In der History scheint die komplette Karte aber vorhanden zu sein – einmal als verschlüsselte History-Datei und zusätzlich noch einmal als verschlüsseltes JSON innerhalb der History.

Das Problem ist, dass ich dieses Verhalten selbst kaum reproduzieren kann, da ich einen Dreame Matrix10 Ultra habe, bei dem die Kartenentschlüsselung ohne Probleme funktioniert. Ohne Hilfe von Leuten, bei denen genau dieses Problem auftritt, kann ich leider nur begrenzt testen.

Deshalb bin ich auf Feedback angewiesen. Wenn du während der Tests ein paar Rückmeldungen geben kannst, hilft das enorm, um die passende Methode für die Kartenverarbeitung zu finden.

[MrHenker27]

Ich habe "nur" den D10 Plus Gen 2 der hat eh keine Kamera.
Kann dir gerne zum testen mein Gerät frei geben. 3d Ansicht habe ich meines erachtens nicht in der APP. Ist ne 2D Karte wo man aber auch live sieht wo er grade ist. Aktuell wird jetzt, nach dem er fertig ist, die Laufwege angezeigt wie er gelaufen ist.

[wawyo]

Danke für die Information 👍

Der D10 Plus Gen 2 ist auf jeden Fall auch interessant zum Testen. Gut zu wissen, dass du nur die 2D-Karte mit der Live-Position und später den Laufwegen in der App siehst und keine 3D-Ansicht vorhanden ist.

Wenn es soweit ist, werde ich dir den Link zur neuen Version zukommen lassen, damit du sie testen kannst. Dein Angebot, das Gerät zum Testen freizugeben, weiß ich auf jeden Fall zu schätzen 😉

[wawyo]

@MrHenker27 und alle, die die Kartenfunktion nicht nutzen können

Ich würde gern ein paar Rückmeldungen sammeln: Wer Probleme mit der Kartenfunktion hat, schreibt bitte kurz, wie es bei euch aussieht (Gerätetyp, Firmware-Version, ob die Karte komplett fehlt oder nur teilweise).

Für alle, die testen wollen:
Bitte probiert die angehängte HTML-Datei aus Download Dreame map analysis tool .

Die Daten für eure Map findet ihr unter daten.dreamehome.0.xxxxxxx.map.CloudData.
Nutzt nur den Abschnitt für die Karte, also so ungefähr:

{
  "mapstr": [
    {
      "id": 0,
      "name": "",
      "angle": "180",
      "map": …   // ab hier die Kartendaten nehmen
    }
  ]
}

Wenn ihr die Datei ausprobiert habt, schaut bitte ins Log (F12) und sagt mir, was dort steht. Unten findet ihr ein paar Screenshots, die zeigen, wie das Tool aussieht.

Wir nutzen dafür das Complete Dreame Map Analysis Tool, das ich selbst programmiert habe. Es ist nur eine HTML-Datei – einfach doppelklicken, Browser öffnet sich und ihr könnt direkt loslegen.

Mit dem Tool könnt ihr unter anderem:

• Raumkonturen korrekt erkennen
• Außen- und Innenwände unterscheiden
• Möbel und Hindernisse sehen
• Reinigungswege visualisieren
• No-Go-Zonen und virtuelle Wände markieren
• Pixel-Daten mit den JSON-Metadaten vergleichen
• die komplette Karteninfo exportieren

---

[MrHenker27]

@wawyo

mit dem Tool Zeigt er die Karte sauber an bei mir.

Schön wäre es, wenn man die Karte jetzt noch um 90° / 180° (bei mir) drehen könnte .....

F12 -> Konsole gibt folgendes aus:

========== DECODE MAP START ========== dreame-map-analysis-tool.html:3296:21
Input received: eF7t2U9v2zYYx3Fmtm97FT7LQOzEydp3sNdQBD10aRGgTYe12A... dreame-map-analysis-tool.html:3297:21
AES Key provided: no dreame-map-analysis-tool.html:3298:21
AES IV provided: no dreame-map-analysis-tool.html:3299:21
Step 1: Starting data processing dreame-map-analysis-tool.html:3314:25
Base64 string prepared, length: 1596 dreame-map-analysis-tool.html:3319:25
Step 2: Decoding Base64... dreame-map-analysis-tool.html:3330:25
Base64 decoded, buffer size: 1196 bytes dreame-map-analysis-tool.html:3332:25
Step 3: No AES decryption needed dreame-map-analysis-tool.html:3362:29
Step 4: Zlib decompression started dreame-map-analysis-tool.html:3366:29
Compressed size: 1196 bytes dreame-map-analysis-tool.html:3367:29
Decompression complete, decompressed size: 19978 bytes dreame-map-analysis-tool.html:3369:29
Final buffer size: 19978 bytes dreame-map-analysis-tool.html:3378:25
Buffer preview (first 20 bytes): c 0 0 0 49 0 0 0 0 0 0 fe 1 1 0 b3 0 32 0 9e dreame-map-analysis-tool.html:3379:25
Step 5: Parsing header (first 27 bytes) dreame-map-analysis-tool.html:3385:25
Header parsed successfully: 
Object { mapId: 12, frameId: 0, frameType: 73, robot: {…}, charger: {…}, gridSize: 50, width: 158, height: 125, origin: {…}, frameTypeName: "I (Intra)" }
dreame-map-analysis-tool.html:3388:29
Step 6: Processing pixel data dreame-map-analysis-tool.html:3394:25
Pixel data region: 27 - 19777 dreame-map-analysis-tool.html:3400:29
Pixel dimensions: 158 x 125 = 19750 bytes dreame-map-analysis-tool.html:3401:29
Expected pixels: 19750 dreame-map-analysis-tool.html:3402:29
Actual pixels: 19750 dreame-map-analysis-tool.html:3403:29
Extracting pixel types... dreame-map-analysis-tool.html:3407:29
Pixel stats: 
Object { total: 19750, walls: 1215, floor: 0, outside: 10540, carpet: 1419, segments: 5 }
dreame-map-analysis-tool.html:3413:29
Extracting rooms from pixels... dreame-map-analysis-tool.html:3422:29
🏠 Extracting rooms from pixels: 158x125, Grid: 50mm dreame-map-analysis-tool.html:1319:21
   Found room IDs: 1, 2, 3, 4, 5 dreame-map-analysis-tool.html:1338:21
   Found room pairs: 3-4, 4-5, 1-5, 2-4 dreame-map-analysis-tool.html:1384:21
   Found 54 boundary segments dreame-map-analysis-tool.html:1423:21
   Created 4 wall segments dreame-map-analysis-tool.html:1536:21
✅ Extracted 5 rooms with proper neighbor relationships dreame-map-analysis-tool.html:1687:21
Found 5 rooms from pixel data dreame-map-analysis-tool.html:3424:29
Extracting bound rooms from pixels... dreame-map-analysis-tool.html:3426:29
📐 Extracting bound contours for 5 rooms... dreame-map-analysis-tool.html:1709:21
   Room 3: 238 points dreame-map-analysis-tool.html:1750:29
   Room 4: 442 points dreame-map-analysis-tool.html:1750:29
   Room 5: 212 points dreame-map-analysis-tool.html:1750:29
   Room 1: 114 points dreame-map-analysis-tool.html:1750:29
   Room 2: 198 points dreame-map-analysis-tool.html:1750:29
Found 5 bound rooms from pixel data dreame-map-analysis-tool.html:3428:29
Extracting walls from pixels... dreame-map-analysis-tool.html:3430:29
🧱 Extracting true walls (outer & inner) from 158x125 pixels... dreame-map-analysis-tool.html:1785:21
   → 3906 edge pixels found (outer + inner + walls) dreame-map-analysis-tool.html:1880:21
   → 296 final walls (296 raw lines) dreame-map-analysis-tool.html:2010:21
Wall extraction: 296 walls found dreame-map-analysis-tool.html:3432:29
Step 7: Processing JSON data dreame-map-analysis-tool.html:3446:25
JSON data starts at byte: 19777 dreame-map-analysis-tool.html:3448:25
JSON data size: 201 bytes dreame-map-analysis-tool.html:3454:29
JSON preview: {"vw":{"line":[[-1305,-4492,-2011,-4006],[-1276,-5158,-1797,-5161]],"rect":[],"mop":[]},"seg_inf":{"1":{"nei_id":[5]},"2":{"nei_id":[4]},"3":{"nei_id":[4]},"4":{"nei_id":[2,3,5]},"5":{"nei_id":[1,4]}}... dreame-map-analysis-tool.html:3455:29
Parsing JSON... dreame-map-analysis-tool.html:3460:33
JSON parsed successfully dreame-map-analysis-tool.html:3462:33
JSON top-level keys: 
Array [ "vw", "seg_inf" ]
dreame-map-analysis-tool.html:3463:33
Enhancing JSON with pixel contours... dreame-map-analysis-tool.html:3465:33
📋 No storeys structure found - generating from pixel data... dreame-map-analysis-tool.html:2406:21
✅ 5 rooms from pixel data added dreame-map-analysis-tool.html:2452:21
JSON enhancement complete dreame-map-analysis-tool.html:3468:33
Extracting JSON data... dreame-map-analysis-tool.html:3470:33
JSON extraction complete. Stats: 
Object { rooms: 5, walls: 0, doors: 0, furniture: 0, obstacles: 0, noGo: 0, noMop: 0, virtualWalls: 2 }
dreame-map-analysis-tool.html:3472:33
Step 8: Final processing dreame-map-analysis-tool.html:3500:25
Step 9: Rendering map dreame-map-analysis-tool.html:3505:25
========== DECODE MAP COMPLETE ========== dreame-map-analysis-tool.html:3509:25
========== DECODE MAP START ========== dreame-map-analysis-tool.html:3296:21
Input received: eF7t2U9v2zYYx3Fmtm97FT7LQOzEydp3sNdQBD10aRGgTYe12A... dreame-map-analysis-tool.html:3297:21
AES Key provided: no dreame-map-analysis-tool.html:3298:21
AES IV provided: no dreame-map-analysis-tool.html:3299:21
Step 1: Starting data processing dreame-map-analysis-tool.html:3314:25
Base64 string prepared, length: 1596 dreame-map-analysis-tool.html:3319:25
Step 2: Decoding Base64... dreame-map-analysis-tool.html:3330:25
Base64 decoded, buffer size: 1196 bytes dreame-map-analysis-tool.html:3332:25
Step 3: No AES decryption needed dreame-map-analysis-tool.html:3362:29
Step 4: Zlib decompression started dreame-map-analysis-tool.html:3366:29
Compressed size: 1196 bytes dreame-map-analysis-tool.html:3367:29
Decompression complete, decompressed size: 19978 bytes dreame-map-analysis-tool.html:3369:29
Final buffer size: 19978 bytes dreame-map-analysis-tool.html:3378:25
Buffer preview (first 20 bytes): c 0 0 0 49 0 0 0 0 0 0 fe 1 1 0 b3 0 32 0 9e dreame-map-analysis-tool.html:3379:25
Step 5: Parsing header (first 27 bytes) dreame-map-analysis-tool.html:3385:25
Header parsed successfully: 
Object { mapId: 12, frameId: 0, frameType: 73, robot: {…}, charger: {…}, gridSize: 50, width: 158, height: 125, origin: {…}, frameTypeName: "I (Intra)" }
dreame-map-analysis-tool.html:3388:29
Step 6: Processing pixel data dreame-map-analysis-tool.html:3394:25
Pixel data region: 27 - 19777 dreame-map-analysis-tool.html:3400:29
Pixel dimensions: 158 x 125 = 19750 bytes dreame-map-analysis-tool.html:3401:29
Expected pixels: 19750 dreame-map-analysis-tool.html:3402:29
Actual pixels: 19750 dreame-map-analysis-tool.html:3403:29
Extracting pixel types... dreame-map-analysis-tool.html:3407:29
Pixel stats: 
Object { total: 19750, walls: 1215, floor: 0, outside: 10540, carpet: 1419, segments: 5 }
dreame-map-analysis-tool.html:3413:29
Extracting rooms from pixels... dreame-map-analysis-tool.html:3422:29
🏠 Extracting rooms from pixels: 158x125, Grid: 50mm dreame-map-analysis-tool.html:1319:21
   Found room IDs: 1, 2, 3, 4, 5 dreame-map-analysis-tool.html:1338:21
   Found room pairs: 3-4, 4-5, 1-5, 2-4 dreame-map-analysis-tool.html:1384:21
   Found 54 boundary segments dreame-map-analysis-tool.html:1423:21
   Created 4 wall segments dreame-map-analysis-tool.html:1536:21
✅ Extracted 5 rooms with proper neighbor relationships dreame-map-analysis-tool.html:1687:21
Found 5 rooms from pixel data dreame-map-analysis-tool.html:3424:29
Extracting bound rooms from pixels... dreame-map-analysis-tool.html:3426:29
📐 Extracting bound contours for 5 rooms... dreame-map-analysis-tool.html:1709:21
   Room 3: 238 points dreame-map-analysis-tool.html:1750:29
   Room 4: 442 points dreame-map-analysis-tool.html:1750:29
   Room 5: 212 points dreame-map-analysis-tool.html:1750:29
   Room 1: 114 points dreame-map-analysis-tool.html:1750:29
   Room 2: 198 points dreame-map-analysis-tool.html:1750:29
Found 5 bound rooms from pixel data dreame-map-analysis-tool.html:3428:29
Extracting walls from pixels... dreame-map-analysis-tool.html:3430:29
🧱 Extracting true walls (outer & inner) from 158x125 pixels... dreame-map-analysis-tool.html:1785:21
   → 3906 edge pixels found (outer + inner + walls) dreame-map-analysis-tool.html:1880:21
   → 296 final walls (296 raw lines) dreame-map-analysis-tool.html:2010:21
Wall extraction: 296 walls found dreame-map-analysis-tool.html:3432:29
Step 7: Processing JSON data dreame-map-analysis-tool.html:3446:25
JSON data starts at byte: 19777 dreame-map-analysis-tool.html:3448:25
JSON data size: 201 bytes dreame-map-analysis-tool.html:3454:29
JSON preview: {"vw":{"line":[[-1305,-4492,-2011,-4006],[-1276,-5158,-1797,-5161]],"rect":[],"mop":[]},"seg_inf":{"1":{"nei_id":[5]},"2":{"nei_id":[4]},"3":{"nei_id":[4]},"4":{"nei_id":[2,3,5]},"5":{"nei_id":[1,4]}}... dreame-map-analysis-tool.html:3455:29
Parsing JSON... dreame-map-analysis-tool.html:3460:33
JSON parsed successfully dreame-map-analysis-tool.html:3462:33
JSON top-level keys: 
Array [ "vw", "seg_inf" ]
dreame-map-analysis-tool.html:3463:33
Enhancing JSON with pixel contours... dreame-map-analysis-tool.html:3465:33
📋 No storeys structure found - generating from pixel data... dreame-map-analysis-tool.html:2406:21
✅ 5 rooms from pixel data added dreame-map-analysis-tool.html:2452:21
JSON enhancement complete dreame-map-analysis-tool.html:3468:33
Extracting JSON data... dreame-map-analysis-tool.html:3470:33
JSON extraction complete. Stats: 
Object { rooms: 5, walls: 0, doors: 0, furniture: 0, obstacles: 0, noGo: 0, noMop: 0, virtualWalls: 2 }
dreame-map-analysis-tool.html:3472:33
Step 8: Final processing dreame-map-analysis-tool.html:3500:25
Step 9: Rendering map dreame-map-analysis-tool.html:3505:25
========== DECODE MAP COMPLETE ========== dreame-map-analysis-tool.html:3509:25
========== DECODE MAP START ========== dreame-map-analysis-tool.html:3296:21
Input received: eF7t2U9v2zYYx3Fmtm97FT7LQOzEydp3sNdQBD10aRGgTYe12A... dreame-map-analysis-tool.html:3297:21
AES Key provided: no dreame-map-analysis-tool.html:3298:21
AES IV provided: no dreame-map-analysis-tool.html:3299:21
Step 1: Starting data processing dreame-map-analysis-tool.html:3314:25
Base64 string prepared, length: 1596 dreame-map-analysis-tool.html:3319:25
Step 2: Decoding Base64... dreame-map-analysis-tool.html:3330:25
Base64 decoded, buffer size: 1196 bytes dreame-map-analysis-tool.html:3332:25
Step 3: No AES decryption needed dreame-map-analysis-tool.html:3362:29
Step 4: Zlib decompression started dreame-map-analysis-tool.html:3366:29
Compressed size: 1196 bytes dreame-map-analysis-tool.html:3367:29
Decompression complete, decompressed size: 19978 bytes dreame-map-analysis-tool.html:3369:29
Final buffer size: 19978 bytes dreame-map-analysis-tool.html:3378:25
Buffer preview (first 20 bytes): c 0 0 0 49 0 0 0 0 0 0 fe 1 1 0 b3 0 32 0 9e dreame-map-analysis-tool.html:3379:25
Step 5: Parsing header (first 27 bytes) dreame-map-analysis-tool.html:3385:25
Header parsed successfully: 
Object { mapId: 12, frameId: 0, frameType: 73, robot: {…}, charger: {…}, gridSize: 50, width: 158, height: 125, origin: {…}, frameTypeName: "I (Intra)" }
dreame-map-analysis-tool.html:3388:29
Step 6: Processing pixel data dreame-map-analysis-tool.html:3394:25
Pixel data region: 27 - 19777 dreame-map-analysis-tool.html:3400:29
Pixel dimensions: 158 x 125 = 19750 bytes dreame-map-analysis-tool.html:3401:29
Expected pixels: 19750 dreame-map-analysis-tool.html:3402:29
Actual pixels: 19750 dreame-map-analysis-tool.html:3403:29
Extracting pixel types... dreame-map-analysis-tool.html:3407:29
Pixel stats: 
Object { total: 19750, walls: 1215, floor: 0, outside: 10540, carpet: 1419, segments: 5 }
dreame-map-analysis-tool.html:3413:29
Extracting rooms from pixels... dreame-map-analysis-tool.html:3422:29
🏠 Extracting rooms from pixels: 158x125, Grid: 50mm dreame-map-analysis-tool.html:1319:21
   Found room IDs: 1, 2, 3, 4, 5 dreame-map-analysis-tool.html:1338:21
   Found room pairs: 3-4, 4-5, 1-5, 2-4 dreame-map-analysis-tool.html:1384:21
   Found 54 boundary segments dreame-map-analysis-tool.html:1423:21
   Created 4 wall segments dreame-map-analysis-tool.html:1536:21
✅ Extracted 5 rooms with proper neighbor relationships dreame-map-analysis-tool.html:1687:21
Found 5 rooms from pixel data dreame-map-analysis-tool.html:3424:29
Extracting bound rooms from pixels... dreame-map-analysis-tool.html:3426:29
📐 Extracting bound contours for 5 rooms... dreame-map-analysis-tool.html:1709:21
   Room 3: 238 points dreame-map-analysis-tool.html:1750:29
   Room 4: 442 points dreame-map-analysis-tool.html:1750:29
   Room 5: 212 points dreame-map-analysis-tool.html:1750:29
   Room 1: 114 points dreame-map-analysis-tool.html:1750:29
   Room 2: 198 points dreame-map-analysis-tool.html:1750:29
Found 5 bound rooms from pixel data dreame-map-analysis-tool.html:3428:29
Extracting walls from pixels... dreame-map-analysis-tool.html:3430:29
🧱 Extracting true walls (outer & inner) from 158x125 pixels... dreame-map-analysis-tool.html:1785:21
   → 3906 edge pixels found (outer + inner + walls) dreame-map-analysis-tool.html:1880:21
   → 296 final walls (296 raw lines) dreame-map-analysis-tool.html:2010:21
Wall extraction: 296 walls found dreame-map-analysis-tool.html:3432:29
Step 7: Processing JSON data dreame-map-analysis-tool.html:3446:25
JSON data starts at byte: 19777 dreame-map-analysis-tool.html:3448:25
JSON data size: 201 bytes dreame-map-analysis-tool.html:3454:29
JSON preview: {"vw":{"line":[[-1305,-4492,-2011,-4006],[-1276,-5158,-1797,-5161]],"rect":[],"mop":[]},"seg_inf":{"1":{"nei_id":[5]},"2":{"nei_id":[4]},"3":{"nei_id":[4]},"4":{"nei_id":[2,3,5]},"5":{"nei_id":[1,4]}}... dreame-map-analysis-tool.html:3455:29
Parsing JSON... dreame-map-analysis-tool.html:3460:33
JSON parsed successfully dreame-map-analysis-tool.html:3462:33
JSON top-level keys: 
Array [ "vw", "seg_inf" ]
dreame-map-analysis-tool.html:3463:33
Enhancing JSON with pixel contours... dreame-map-analysis-tool.html:3465:33
📋 No storeys structure found - generating from pixel data... dreame-map-analysis-tool.html:2406:21
✅ 5 rooms from pixel data added dreame-map-analysis-tool.html:2452:21
JSON enhancement complete dreame-map-analysis-tool.html:3468:33
Extracting JSON data... dreame-map-analysis-tool.html:3470:33
JSON extraction complete. Stats: 
Object { rooms: 5, walls: 0, doors: 0, furniture: 0, obstacles: 0, noGo: 0, noMop: 0, virtualWalls: 2 }
dreame-map-analysis-tool.html:3472:33
Step 8: Final processing dreame-map-analysis-tool.html:3500:25
Step 9: Rendering map dreame-map-analysis-tool.html:3505:25
========== DECODE MAP COMPLETE ========== dreame-map-analysis-tool.html:3509:25

[wawyo]

@mrhenker27

Halleloya!!

Super, dass das Tool bei dir die Karte sauber anzeigt!

Die neue Funktion zum Parsen der Map für die D10 Plus Gen 2 kommt in der nächsten Version – dann läuft die Kartenerstellung direkt sauber.

Wenn du den Winkel der Karte ändern willst, kannst du unter adapter.dreamehome.0.xxxxxx.map.Rotation0 oder dreamehome.0.xxxxxx.map.Rotation1 den Map Rotation Angle einstellen. Die Karte dreht sich dann automatisch, also 90° oder 180° lassen sich so ganz einfach steuern.

Wer hat sonst noch Feedback oder Probleme mit der Kartenfunktion? Schreib kurz, wie es bei dir aussieht (Gerätetyp, Firmware-Version, ob die Karte komplett fehlt oder nur teilweise).