全新坚固耐用型模组将AI带入高度重视安全的严苛环境
从工厂和农场到炼油厂和建筑工地,全球范围内不乏炎热、卫生条件差、嘈杂、存在潜在危险的地点,但这些地点对维持工业运转至关重要。
这些地点都需要在日常运营的同时接受检查和维护,但鉴于安全问题和工作条件,由人类去完成这些任务并非最佳选择。
机器人和自动化技术在制造业、农业、建筑业、能源、政府和其他行业的应用日益增加,与此同时,许多公司也一直致力于让要求严苛的应用也能受益于AI和深度学习。
在一些严苛的环境中,安全性和可靠性至关重要,而通过全新NVIDIA Jetson AGX Xavier 工业级模组,NVIDIA使这些环境中的边缘AI部署成为可能。
Jetson AGX Xavier 工业级模组
这种新型工业级模组扩展了 Jetson AGX Xavier 系统级模组的功能,使开发者能够构建先进、支持AI的坚固耐用型系统。Jetson AGX Xavier 工业级模组专为严苛环境中的智能视频分析、光学检测、机器人技术、计算机视觉、自主运行和AI而打造。
该模组采用紧凑、节能的设计,能够可靠地提供每秒30 TOPS的AI性能。基于经过严格工业标准测试的组件,以及在功能安全方面的全新功能,它能够承受剧烈的冲击和振动,以及极端的温度范围。此外,它在引脚、软件和外形方面还与现有Jetson AGX Xavier模组兼容,因此易于升级。
全新坚固耐用型Jetson模组的关键工业级特征 |
|
耐冲击性 |
Operational: 50G, 11 ms, Half Sine Non-operational: 140G, 2 ms, Half sine, 3-axis, FCT/DPA, extend to 340G |
耐振动性 |
Operational: 10-500 Hz, 5G RMS (random/sinusoidal) Non-operational: 10-1000 Hz, 3G RMS, 3-axis, FCT |
工作温度 |
-40C - 85°C at TTP |
湿度 |
Non-operational: 95% RH, -10°C to 65°C |
安全集群引擎 |
2x ARM Cortex R5 in lockstep |
纠错代码 |
DRAM and GPU ECC |
工作寿命 |
10 Years |
专为最苛刻的工业用例而打造
Jetson AGX Xavier 工业级模组针对工业、航空航天、国防、建筑、农业、物流、库存管理、派送、检查和医疗领域的应用而设计,包括工人和场地安全、场地门禁和监测、以及危险和严苛环境中的检查等。
在石油和天然气行业,Jetson AGX Xavier 工业级模组通过提供基于管道、阀门、设备和维护工作监测或检查的实时洞察来简化边缘的异常和故障预测。该模组的扩展可靠性使其能够用于安全、预测性维护和合规性以及设备在不断变化的环境条件下始终保持运行状态。
在汽车制造行业,一家日产 1,000 多辆汽车的工厂需要实时检查超过 600 万个焊点。工厂可以使用Jetson AGX Xavier 工业级模组的AI和计算机视觉,直接分析来自焊枪的工艺和质量数据,从而减少检查时间、提高质量预测,最终为消费者提供更安全的汽车。
另一个例子是在 GTC21 上展示的,AI压铸工艺异常检测能够提前预测产品质量,避免多达30%的后续工艺成本,并降低高达40%的缺陷率,从而提升工艺的效率和安全性,进而提高生产力和投资回报。
同样,建筑工地使用的重型设备必须在各种气候条件下可靠地运行。农场需要使用拖拉机运载肥料和除草剂喷洒器,并收割各种地形上的数千英亩农作物。无人驾驶飞行器和无人机在恶劣环境中飞行时可能会经历极端的冲击和振动。护理点的超声波和病人监护仪需要长期持续稳定运行。
Jetson AGX Xavier 工业级模组能够为所有这些机器提供实现自主运行所必需的功能。
专为实现可靠性、安全性而设计
Jetson AGX Xavier 工业级模组将Jetson AGX Xavier系统级模组的超级计算功能与在恶劣环境中部署 AI 所需的全新可靠性、可用性和可维护性功能相结合,包括纠错码、单次纠错(SEC)、双次错误检测(DED)和奇偶校验保护,可实现工业应用所需的内部RAM弹性、地址和数据总线错误检测和纠正以及IP弹性。
Jetson AGX Xavier 工业级模组具备由安全集群引擎(SCE)进行监督的全新安全功能,因此适用于安全认证工业级产品。此外,它还拥有与Jetson AGX Xavier相同的关键加速器和高速I/O。
Jetson AGX Xavier 工业级模组配备 512 核 NVIDIA Volta GPU,具有 64 个 Tensor Core、两个 NVIDIA 深度学习加速器、两个视觉加速器、一个8核 NVIDIA Carmel Arm CPU、一个编码器和解码器等。 新的 SCE 包含双 Arm Cortex-R5 处理器,可用于集成故障检测机制、锁步子系统并支持内置系统测试。Cortex-R5 处于永远在线的域中,可用于安全和纠错功能。
它还包括硬件验证安全启动、硬件加速加密、加密存储支持、内存和其他保护客户软件的安全功能。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。