Elementary Robotics 通过 NVIDIA Jetson 提高产品跟踪与质检能力,其服务客户包括丰田。
Arye Barnehama 曾是一家可穿戴计算创业公司的创始人,他深谙此类消费设备制造业的艰辛。2014 年,他移居中国深圳,亲自监督一条脑电波监测头巾 Melon的生产线。
正是这样的一次经历给他留下了制造需要自动化的深刻印象。
于是,他开始了 Elementary Robotics 的项目,这家公司为制造业开发机器人,其总部位于洛杉矶,并由帕萨迪纳的 Idealab 孵化。
Elementary Robotics 成立于 2017年,最近刚刚获得了 1,270 万美元的 A 轮融资,其中就包括来自客户丰田的投资。
Elementary Robotics 在需要跟踪数千个零部件的客户中部署。它的系统不断对算法进行培训,进化检测功能。
用于生产质检的 Jetson
Elementary Robotics 开发了自己的硬件和软件,用于制造过程中的产品质量检测。此外 Elementary Robotics 提供了一个由 Jetson 驱动的机器人,用于检查零件有无缺陷,致力于通过零部件的跟踪检测和问题发现,来提高产品质量。
要在快速移动的生产线上检测出最小的缺陷,就需要使用 AI 实时处理高分辨率相机数据。借助启用了嵌入式 CUDA 的 GPU 和 Jetson 上的 CUDA-X AI 软件,可以实现这一点。当 Jetson 平台根据视频流做出决策时,所有决策都被吸收到其云数据库中,以便客户能够查询数据。
结果以及实时视频也将发布到 Elementary Robotics Web 应用程序中,且可以从任何地方进行访问。
Elementary Robotics 的系统还使公司能够在将供应商的零件投入生产线之前对其进行检查,从而避免了代价高昂的故障。它可用于检查生产线上的装配以及在后期生产中进行质量控制。
它的应用包括对电子印刷电路板和组件,汽车零部件以及轻工业用齿轮的检查。 Elementary Robotics 的客户还将其平台用于包装和消费品,例如瓶子,帽子和商标标签。
“所有人对质量的需求一直在上升,” Barnehama 说。“我们使用 NVIDIA 系统在边缘上进行实时推理来进行检测,帮助提高产品质量。”
Jetson 平台最近在基于 SoC 的边缘设备的计算机视觉和对话 AI 用例中展示了 MLPerf AI 推理基准测试的领导地位。
Elementary Robotics 是 NVIDIA 初创加速计划的成员,它是一个可以帮助 AI 和数据科学初创公司更快推向市场的项目。
可追溯的操作
这家初创公司的支持 Jetson 的机器学习系统可以处理瞬间的异常检测,以发现生产线上的错误。当有缺陷零件退回时,Elementary Robotics 可以了解它如何发生的。其应用场景包括电子,汽车,医疗,包装消费品,物流等等。
Barnehama 说,对于制造商而言,这种可追溯的操作非常重要,公司可以回头找到并解决问题的源头,以提高产品可靠性。
“你一定希望可以胸有成竹的说,Ok 我们这里有件缺陷产品被退回了,让我查查它是什么时候做得产品检测的,我拥有所有的数据。”Barnehama 说。
企业用户,开发人员和 DIY 爱好者可以使用 NVIDIA Jetson 创建 AI 应用程序,同时学生和教育工作者也可使用 NVIDIA Jetson 学习和教授 AI。
好文章,需要你的鼓励
最新数据显示,Windows 11市场份额已达50.24%,首次超越Windows 10的46.84%。这一转变主要源于Windows 10即将于2025年10月14日结束支持,企业用户加速迁移。一年前Windows 10份额还高达66.04%,而Windows 11仅为29.75%。企业多采用分批迁移策略,部分选择付费延长支持或转向Windows 365。硬件销售受限,AI PC等高端产品销量平平,市场份额提升更多来自系统升级而非新设备采购。
清华大学团队开发出LangScene-X系统,仅需两张照片就能重建完整的3D语言场景。该系统通过TriMap视频扩散模型生成RGB图像、法线图和语义图,配合语言量化压缩器实现高效特征处理,最终构建可进行自然语言查询的三维空间。实验显示其准确率比现有方法提高10-30%,为VR/AR、机器人导航、智能搜索等应用提供了新的技术路径。
新一代液态基础模型突破传统变换器架构,能耗降低10-20倍,可直接在手机等边缘设备运行。该技术基于线虫大脑结构开发,支持离线运行,无需云服务和数据中心基础设施。在性能基准测试中已超越同等规模的Meta Llama和微软Phi模型,为企业级应用和边缘计算提供低成本、高性能解决方案,在隐私保护、安全性和低延迟方面具有显著优势。
IntelliGen AI推出IntFold可控蛋白质结构预测模型,不仅达到AlphaFold 3同等精度,更具备独特的"可控性"特征。该系统能根据需求定制预测特定蛋白质状态,在药物结合亲和力预测等关键应用中表现突出。通过模块化适配器设计,IntFold可高效适应不同任务而无需重新训练,为精准医学和药物发现开辟了新路径。