نوآوری‌های هم‌افزا، الگوریتم‌های نوین

فناوری لبه‌ای که همین امروز می‌توانید به کار بگیرید: خانوادهٔ NVIDIA Jetson Orin

فناوری لبه‌ای که همین امروز می‌توانید به کار بگیرید: خانوادهٔ NVIDIA Jetson Orin

فناوری لبه‌ای که همین امروز می‌توانید به کار بگیرید: خانوادهٔ NVIDIA Jetson Orin

اگر «هوش مصنوعی لمس‌شدنی» یک نماد داشت، احتمالاً خانوادهٔ Jetson Orin از انویدیا بود. این رایانه‌های کوچک در خطوط تولید، ربات‌های خدماتی، سقف فروشگاه‌ها، کارت‌های تحویل و هر جایی قرار می‌گیرند که به هوش مصنوعی سریع و خصوصی نیاز دارید—بی‌آنکه هر فریم تصویر را به ابر ارسال کنید. جذابیت Orin ساده است: توان استنتاج در حد مراکز داده، در جعبه‌ای کوچک و کم‌مصرف، همراه با پشتهٔ نرم‌افزاری پخته و اکوسیستمی که از قبل با دوربین‌ها، سنسورها و الزامات دنیای واقعی سازگار است.

Jetson Orin چیست؟

Jetson Orin مجموعه‌ای از ماژول‌ها و کیت‌های توسعه است که «هوش مصنوعی سطح دیتاسنتر» را به لبه می‌آورد. حتی نسخهٔ مقرون‌به‌صرفهٔ Orin Nano Super Dev Kit تا حدود ۶۷ TOPS توان محاسباتی ارائه می‌دهد؛ یعنی می‌تواند مدل‌های بینایی مدرن را به‌صورت بلادرنگ اجرا کند. از خواندن بارکد روی نوار نقالهٔ در حال حرکت گرفته تا کشف عیب، تحلیل تردد انسان/خودرو یا هدایت ربات متحرک—همه به‌صورت محلی پردازش می‌شوند، با تأخیر پایین و بدون خروج ویدئو از محیط.

چرا در حال حاضر از آن استفاده می‌شود؟

۱) تأخیر و حریم خصوصی مهم‌اند: وقتی یک همکار ربات باید قبل از برخورد توقف کند—یا دوربین قفسه باید اختلاف قیمت را تشخیص دهد—میلی‌ثانیه‌ها تعیین‌کننده‌اند و برخی داده‌ها اصلاً نباید از سایت خارج شوند. Orin دقیقاً برای همین تصمیم‌های سریع و محلی طراحی شده است. ۲) یک پلتفرم، چندین کار: همان سخت‌افزار می‌تواند دوشنبه برای بازرسی بینایی، سه‌شنبه روی گاری کمکیِ پیک‌کردن و چهارشنبه برای شمارش رفت‌وآمد در فروشگاه به کار رود. به همین دلیل Orin را در رباتیک، تحلیل خرده‌فروشی، شهرهای هوشمند و تجهیزات سلامت می‌بینید. ۳) مسیر عملی برای مدل‌های روز:Orin شبکه‌های پرطرفدار امروزی در تشخیص، بخش‌بندی و حتی مدل‌های چندوجهی را با ابزارهای توسعهٔ انویدیا اجرا می‌کند؛ بنابراین تیم‌ها مجبور نیستند صرفاً برای رسیدن به نرخ فریم، به معماری‌های منسوخ برگردند. تازه‌ترین به‌روزرسانی Orin Nano نیز فضای بیشتری برای کاربردهای «مولد» در لبه ایجاد کرده است.

استقرار معمول چه شکلی است؟

• دریافت داده: چند دوربین IP یا جفت استریوی یک ربات، ویدئو را به باکس Jetson نزدیک منبع می‌فرستند. • تصمیم‌گیری: مدل‌های هوش مصنوعی به‌صورت محلی صحت چیدمان، شمارش اقلام، کشف عیب یا مسیر حرکت را ارزیابی می‌کنند. • اقدام: فقط نتیجه (مثلاً «خانهٔ قفسه خالی»، «عیب یافت شد»، «کُند شو») به داشبورد یا PLC ارسال می‌شود. این کار پهنای‌باند را پایین و تصاویر حساس را محلی نگه می‌دارد. • بهبود: تیم‌ها بدون تعویض سخت‌افزار، مدل‌های بهتر یا مهارت‌های جدید را از راه دور منتشر می‌کنند. به طور کلی وابستگی کمتر به ابر، دردسرهای شبکه‌ای کمتر، و مرزهای داده‌ای شفاف‌تر برای انطباق حقوقی از مواردی است که این بورد به همراه می آورد.

کجاها دیده می‌شود؟

• رباتیک و «هوش مصنوعی فیزیکی» از ربات‌های متحرک خودران که از موانع اجتناب می‌کنند تا مانورهای دستکاری با کمک مدل‌های زبان–بینایی؛ Orin مغز پیش‌فرض امروز است—و سکوی پرتابی به‌سوی نسل بعدی انویدیا یعنی Jetson Thor که برای انسان‌نماها و سلول‌های کارخانهٔ پیچیده، فراتر از Orin می‌رود. • خرده‌فروشی و عملیات دوربین‌های لبه‌ای موجودی را می‌شمارند، کمبودها را تشخیص می‌دهند یا همخوانی پلانوگرام را تأیید می‌کنند—بدون استریم تمام راهروها به ابر—و هم‌زمان هزینه و ریسک حریم خصوصی را کاهش می‌دهند. • بازرسی صنعتی خطوط تولید همان لحظهٔ وقوع، خط‌وخَش یا خطای برچسب آن را کشف می‌کنند—بدون رفت‌وبرگشت به سرورهای دور.

چه چیزی آن را «لبه‌پسند» می‌کند؟

• کارایی بر حسب وات: توان جدی در جعبه‌های ۱۰ تا ۶۰ وات؛ ساخت‌های بدون فن یا فرم‌فکتور کوچک کاملاً عملی‌اند. • هزینهٔ شروع: کیت توسعهٔ Orin Nano با قیمت ورودی پایین عرضه شد تا پایلوت‌ها با بودجهٔ معقول شروع شوند. • اکوسیستم: طراحی‌های مرجع، بردهای حاملِ شریک و SDKهای آزموده‌شده، زمان دستیابی به ارزش را بسیار کوتاه‌تر از ساختِ همه‌چیز از صفر می‌کنند.

جمع‌بندی

اگر به بینایی ماشین بلادرنگ، خودران‌سازی یا تحلیل در دنیای واقعی نیاز دارید—نه فقط در آزمایشگاه-Jetson Orin در حال حاضر یکی از بهترین پلتفرم‌های لبه است. قدرتمند، عملی و از همین امروز در جاهایی تعبیه شده که میلی‌ثانیه‌ها و حریم خصوصی بیشترین اهمیت را دارند.

مجله خبری

همه نوشته‌ها