Az Arm októberi fejlesztései az eszközökbe és robotokba viszik az AI-t

433 processzormag egy autonóm járműben

A Tensor RoboCar 433 Arm-alapú magot integrál a járműbe. Az Arm Neoverse AE és Cortex processzorokat is használó rendszer központi AI-feldolgozást, fedélzeti ügynöki élményeket, elosztott érzékelést és járművezérlést támogat.

Az Arm szerint a Level 4-es autonómiára szánt jármű azt szemlélteti, hogyan osztható el a számítási kapacitás a fizikai AI feladatai között. A rendszer az útról érkező információk feldolgozásától és a manőverek megtervezésétől a kormányzás, a fékezés és a jármű reakcióinak összehangolásáig több funkciót kezel.

A robotikában a PSYONIC Ability Hand 12 Arm-alapú mikrokontrollerrel koordinálja az érzékelést, a motorvezérlést és a visszajelzéseket. A tapintásérzékeny protézis robotplatformokon is használható, így a fejlesztők emberi fogási és érintkezési adatokkal taníthatják a pontosabb tárgymozgatást.

Szemüvegek, táblagépek és helyi AI

Az Alibaba Qwen Glasses N1 sorozata kamerás rögzítést, hangalapú asszisztenst és kapcsolódó szolgáltatásokat kínál. A szemüveg 50 megapixeles kamerákat és 4K-videofelvételt is kapott. A Himax WiseEye processzora Arm Cortex-M55 és Ethos-U55 technológiára épül, és alacsony fogyasztású, folyamatos vizuális érzékelést tesz lehetővé.

A helyi eseményfelismerés révén a rendszer csak szükség esetén ébreszti fel a fő feldolgozóegységet, ami az Arm szerint kezelheti az intelligens szemüvegek akkumulátorkorlátait. Az Amazon Alexa Tablet termékvonala közben az Alexa+ szolgáltatást terjeszti ki a táblagépekre. A csúcsmodell, az Alexa Tablet 12 Pro MediaTek Dimensity 8400 processzort használ Arm Cortex-A725 CPU-magokkal és Arm Mali-G720 grafikus vezérlővel.

Az Arm az AI-alapú PC-k fejlődését is kiemeli. Christopher Bergey, az Edge AI területért felelős ügyvezető alelnök szerint az ügynöki AI olyan számítógépeket eredményezhet, amelyek természetesebben alkalmazkodnak a felhasználókhoz, és bizonyos feladatokat önállóan végeznek el.

Modellek és közös keretrendszerek a robotikához

A Robotics Capability Framework közös nyelvet kínál a robotikai képességek és rendszerkövetelmények leírására. Az Arm szerint ez segíthet az iparági töredezettség csökkentésében, a rendszerek összehasonlításában és az integráció egyszerűsítésében.

A Google Gemini Robotics Embodied Reasoning 2 nyilvános előzetesként érhető el a Gemini platformon. A forrás szerint a rendszer térbeli következtetést, többlépéses tervezést és több robot összehangolását hozza a vállalati fejlesztési folyamatokba. Az Arm a Google-lal közösen vizsgálja, hogyan használhatók ezek a képességek a robotikai számítási platformokban.

Az Agile Robots Agile ONE SN humanoid kutatási platform NVIDIA Isaac GR00T és Jetson Thor számítási egységet használ, Arm Neoverse V3AE processzormagokra építve. A platform célja, hogy összekapcsolja az adatgyűjtést, a szimulációt, a tanítást és a tesztelést.

Hatékonyabb helyi következtetés kisebb eszközökön

A Liquid AI LFM3 modellcsaládja kompakt, nyílt súlyú modelleket kínál szöveghez, képhez, hanghoz és döntéshozatali feladatokhoz. Az Arm közlése szerint a kvantált LFM3-1.7B előzetes, ideiglenes tesztjeiben Arm CPU-kon, SME2 használatával, két processzorszálon 3,1-szer gyorsabb előfeldolgozást és 1,5-szer gyorsabb dekódolást mértek.

Az Arm AI Model Optimizer a Nota AI NetsPresso technológiájára épül, és az Arm AI Portalon segíti a modellek optimalizálását, értékelését és összehasonlítását. Egy Raspberry Pi 5-ön végzett korai tesztben egy képosztályozó modell következtetése legfeljebb 5,9-szer gyorsabb lett, miközben a memóriahasználat 74 százalékkal csökkent.

Az októberi példák alapján az Arm az AI helyi futtatását, a felhőinfrastruktúrát és a fizikai rendszereket közös ökoszisztémaként kezeli. A bemutatott fejlesztések a közvetlenül az eszközökön végzett feldolgozástól a robotok valós környezetben történő teszteléséig több felhasználási területet fednek le.