Максимально эффективная интеграция ИИ в робототехнику

OpenGrall — модульный фреймворк для роботов на LLM, который решает три главные проблемы «тормознутых» проектов: 1. LLM принимает решения только высокого уровня. 2. Сенсоры работают асинхронно, никто не ждёт «отстающих». 3. Массив данных структурируется в тщательно выверенный, короткий промпт с весами и возрастом. И другие решения насущных проблем. В статье: архитектура SensorMemory и WeightCalculator, реальные промпты, кэширование решений, эпизодическая память инструкций человека и автономное целеполагание. Всё на GitHub, работает на слабом железе и с LLM почти любых размеров. Узнать, что под капотом →

https://habr.com/ru/articles/1023564/

#LLM #ROS #TinyML #робототехника #OpenGrall #ИИ #Python #WebSocket #Vikhr #DeepSeek

Always a favorite - FruitML = teaching simple #TinyML with #fruit detection as the task, in our #IoT course

#yolo #mobileNets #InternetOfThings #MachineLearning #EdgeImpulse #TeachableMachines

#thereIsNoAI
#thereIsInParticularNoSustainableAI

but some tiny ML is fun

#whoNeedsDataCenters

Смогут ли микроконтроллеры с NPU заменить облако для распознавания речи?

Голосовые ассистенты работают удобно, но почти всегда через облако: нужна сеть, есть задержка, и речь уходит на внешние серверы. На устройстве обычно либо примитивный команды, либо слишком тяжёлая платформа. Я проверил, можно ли закрыть этот разрыв на микроконтроллере STM32N6 со встроенным NPU : распознавать произвольную речь локально , в реальном времени и с потреблением около 0.2 Вт .

https://habr.com/ru/articles/1022384/

#stm32 #stm32n6 #npu #mcu #микроконтроллеры #распознавание_речи #edge_ai #машинное_обучение #нейросети #tinyml

#AIEngineering #llm #tinyml #quantization

https://pub.towardsai.net/tiny-models-are-getting-really-good-379c16131a48

Texas Instruments MSPM0G5187 and AM13Ex MCUs integrate TinyEngine NPU for Edge AI applications

https://fed.brid.gy/r/https://www.cnx-software.com/2026/03/11/texas-instruments-mspm0g5187-and-am13ex-mcus-integrate-tinyengine-npu-for-edge-ai-applications/

Itamar Golan (@ItakGol)

OpenClaw의 'diet mode'로 소개된 PicoClaw: $10 하드웨어에서 <10MB RAM으로 동작하며 메모리 사용을 크게 줄여 비용을 절감하는 소형화·경량화 접근입니다. 소형 임베디드 디바이스에서 구동 가능한 초저자원 AI/런타임 솔루션의 사례로 해석될 수 있습니다.

https://x.com/ItakGol/status/2021363915180081398

#tinyml #edgeai #embedded #openclaw #picoclaw

Itamar Golan (@ItakGol)

PicoClaw 발표: OpenClaw 느낌의 초경량 프로젝트로, 약 $10짜리 하드웨어에서 <10MB RAM으로 동작한다고 소개됩니다. 기존 구현 대비 메모리 99% 절감, 비용은 Mac mini 대비 98% 저렴하다고 강조해 엣지/임베디드 환경을 겨냥한 초저자원 AI/실행 플랫폼으로 보입니다.

https://x.com/ItakGol/status/2021363116484022709

#tinyml #edgeai #embedded #openclaw #picoclaw

So, #TinyML is too small. LLMs are...probably not what I am looking for.

Is there like a GoldieLocksML or something? #ai #ml #machinelearning

Edge AI on microcontrollers (#TinyML) hasn’t had a breakout moment, but it has matured in the past few years. In my latest blog post, I look at some of the major trends of TinyML in the past year as well as speculate on what's coming in 2026.
👇
https://shawnhymel.com/3125/state-of-edge-ai-on-microcontrollers-in-2026/?utm_source=mastodon&utm_medium=social&utm_campaign=general_courses_blog

#EdgeAI #AI #embedded #microcontroller