Inteligentne kamery i robotyka, czyli co przynoszą nowe chipy Qualcomma

Qualcomm to czołowy producent półprzewodników i dostawca chipów do technologii bezprzewodowych, motoryzacji, Internetu Rzeczy (IoT) i IT. W ostatnim okresie firma rozszerzyła swoje portfolio produktów do aplikacji IoT o siedem nowych rozwiązań klasy ML i AI, które przedstawiamy w tym artykule.

Dodaj do ulubionych źródeł w Google
Posłuchaj
00:00

Nowe chipy SoC są odpowiedzią na zwiększające się potrzeby rynku w zakresie komunikacji w sieciach 5G, brzegowym przetwarzaniu danych i sztucznej inteligencji oraz w związku z coraz większą liczbą aplikacji wykorzystujących kamery do realizacji systemów widzenia maszynowego w robotyce przemysłowej.

Są to zintegrowane platformy wielordzeniowe o dużej wydajności, zapewniające heterogeniczną moc obliczeniową wynikającą z połączenia możliwości przetwarzania CPU, GPU i DSP) oraz mające wbudowane jednostki AI do kamer i obróbki sygnału wideo. Można je połączyć z chipami do łączności komórkowej, bezprzewodowej oraz układami zarządzania zasilaniem, aby zapewnić kompletne rozwiązanie platformy komputerowej. Dla klientów przygotowano projekty referencyjne i zestawy projektowe oraz środowisko programistyczne

Układy QCS410 i QCS610 przeznaczone są do obróbki obrazu z kamery i realizacji uczenia maszynowego i zapewniają dużą moc obliczeniową przy małym zużyciu energii. Oba rozwiązania zawierają procesor sygnału obrazu (ISP) i silnik AI Engine, które razem z heterogeniczną jednostką obliczeniową zapewniają szybką realizację algorytmów AI w systemach Linux i Android. Platformy te są przeznaczone do inteligentnych kamer, wyświetlaczy i sprzętu do wideokonferencji.

Układy

QCS8250 obsługuje równocześnie maksymalnie 7 kamer i 3 wyświetlacze 4 K. Zapewnia moc obliczeniową 15 TOPS w aplikacjach AI. Rozwinięciem układu QCS8250 jest QRB5165 bazujący na tej samej architekturze, ale przeznaczony do zastosowań w robotyce, w tym aplikacji, gdzie wymagane jest zapewnienie małych opóźnień przy realizacji algorytmów. Oprogramowanie systemowe dla tego chipa bazuje na linuksowym Ubuntu, a oprócz systemu operacyjnego Qualcomm przygotował kilka zestawów SDK i zestawów narzędzi, które pomagają klientom wdrożyć kluczowe funkcje typowego robota, w tym algorytmy wykrywania i śledzenia obiektów, unikanie przeszkód, vSLAM, mapowanie 3D. Dzięki temu SoC nadaje się do aplikacji takich jak profesjonalne sprzątanie, drony, roboty bezpieczeństwa publicznego i pojazdy AGV. Platformy te spełniają wymagania aplikacji przemysłowych i robotyki, QRB5165 pracuje w rozszerzonym zakresie temperatur.

Oprogramowanie i biblioteki

Aby wesprzeć klientów w szybszym rozwoju produktów, Qualcomm przygotował platformę programistyczną opartą na systemie Linux, która zawiera narzędzia do łączenia oprogramowania aplikacji i algorytmów klientów z systemami operacyjnymi typu open source (Linux i/lub Android) oraz oprogramowaniem BSP Qualcomma. Dostępne są również narzędzia do debugowania kodu i programowania pamięci Flash. Producent udostępnia ponadto zestawy SDK, np. Neural Network SDK dla AI umożliwia wykonywanie algorytmów AI bezpośrednio na rdzeniach CPU i GPU, w tym w silniku Snapdragon Neural Processing Engine.

Oprogramowanie aplikacyjne łączy kod własnościowy firmy Qualcomm oraz komponenty programowe typu open source. Opiera się na dystrybucji Yocto Linux (wydanie Poky) razem z aplikacjami takimi jak GStreamer, do obsługi kamery, multimediów i sztucznej inteligencji. Układy QCS410 i QCS610 są kompatybilne programowo i pinowo, dzięki czemu można zmienić chip na wydajniejszy bez modyfikacji płytki lub programu.

Oprogramowanie oraz biblioteki dają możliwość łatwego przygotowania złożonych produktów wykorzystujących technologię sztucznej inteligencji. W przypadku QCS610 może to być kamera z algorytmem AI, który automatycznie identyfikuje mówcę w systemie konferencyjnym lub działania konsumentów w sklepie. W przypadku QRB5165 może to być z kolei nawigacja wspomagana sztuczną inteligencją lub algorytm wykrywania i unikania obiektów dla robota magazynowego lub drona.

Biblioteka Neural Processing SDK for AI pozwala na korzystanie z własnych lub zewnętrznych modeli AI, które zostały opracowane i wytrenowane na frameworkach takich jak Caff e, Caff e2, TensorFlow i ONNX. Umożliwia także wdrażanie i optymalizowanie aplikacji krawędziowego przetwarzania danych. Programista może wybrać wdrożenie swojego modelu AI na silniku Neural Processing, który jest zoptymalizowany pod kątem akceleracji wnioskowania lub na wielordzeniowym procesorze, a nawet GPU, w zależności od zasobów, opóźnień i wymagań dotyczących pamięci.

Możliwości pakietu Neural Processing SDK w zakresie sztucznej inteligencji są stale ulepszane w celu optymalizacji wydajności aplikacji AI dla tych platform SoC.

 


Paweł Pajda

CODICO Poland
www.codico.com
tel. 12 4171083 ext. 21

Chcesz częściej widzieć nasze artykuły w Google? Dodaj ElektronikaB2B do ulubionych źródeł
Powiązane treści
Apple nie może przełamać trudności w opracowaniu chipów modemowych
Chipy Qualcomma i Nvidii poddano testom wydajności obsługi AI
Zobacz więcej w kategorii: Technika
Projektowanie i badania
Badania EMC: dlaczego urządzenia zawodzą i jak przygotować się do certyfikacji?
Komponenty
Zarządzanie alternatywami w prototypowym BOM – klucz do niezawodnego montażu elektroniki
Elektromechanika
Kolej przyszłości napędzana elektroniką. Jak EMC, zarządzanie temperaturą i zasilanie decydują o niezawodności transportu szynowego
PCB
HDI pool Eurocircuits - mikroprzelotki w prototypach i małych seriach PCB
PCB
Optymalizacja projektu PCB pod kątem montażu – kluczowe decyzje na etapie layoutu
Komunikacja
Konfiguracja bramek MGate MB3000-G2: tryb Transparent i Agent w praktyce
Zobacz więcej z tagiem: Mikrokontrolery i IoT
Gospodarka
Raspberry Pi zwiększa przychody o 90% dzięki klientom przemysłowym
Technika
Watchdog - przegląd konfiguracji
Technika
Czy każde urządzenie AI musi być połączone z chmurą?

Zobaczyć obiekt oczami radaru, czyli dlaczego potrzebujemy laboratorium do pomiarów RCS?

Radar postrzega świat inaczej niż człowiek. Zamiast obrazu tworzonego przez światło widzialne rejestruje echo wysłanej fali elektromagnetycznej. Na odpowiedź radarową obiektu wpływają nie tylko jego rozmiary, lecz także kształt, zastosowane materiały, częstotliwość oraz kierunek obserwacji. Dlatego dwa przedmioty o podobnych wymiarach mogą być dla radaru widoczne zupełnie inaczej. Jak zatem sprawdzić, co radar rzeczywiście "widzi"? Służą temu pomiary RCS, prowadzone między innymi w specjalistycznych laboratoriach, które zapewniają kontrolowane i powtarzalne warunki oraz umożliwiają uzyskanie dokładności wymaganej w danym zastosowaniu.
Zapytania ofertowe
Unikalny branżowy system komunikacji B2B Znajdź produkty i usługi, których potrzebujesz Katalog ponad 7000 firm i 60 tys. produktów