microcontroller
PulseAugur coverage of microcontroller — every cluster mentioning microcontroller across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
新的FORGE方法实现了面向微控制器上纯整数视觉模型的测试时自适应
研究人员开发了FORGE，这是一种新颖的正向测试时自适应方法，专门为在微控制器上运行的纯整数视觉模型设计。该方法通过仅使用前向传播估计来重新归一化折叠的卷积层，解决了在没有通常所需的反向传播机制的情况下将模型适应现实世界分布偏移的挑战。FORGE展示了显著的准确性提升，恢复了基于梯度的方法的大部分优势，并且足够高效，可以以最小的能源和时间成本部署在ESP32-S3等微控制器上。
-
《Reacher》主演Agnez Mo有望出演MCU灵蝶一角
因出演《Reacher》而走红的印尼女演员Agnez Mo已表达了加入漫威电影宇宙（MCU）的兴趣。她表示愿意扮演“灵蝶”一角，该角色也曾获得粉丝提名。
-
D23展会公布了MCU X战警电影的初步演员阵容
迪士尼公布了其即将上映的MCU X战警电影的初步演员阵容，该片定于2028年5月5日上映。公布的演员包括：赛迪·辛克饰演琴·葛蕾，克里斯托弗·阿伯特饰演X教授，萨玛拉·维文饰演白皇后，玛雅·博伊德饰演暴风女，基特·康纳饰演镭射眼，亚当·德赖弗饰演惊恶先生。因迪·纳瓦莱特将饰演牌皇，此前曾有传言称其他女演员将出演此角色。该片预计将是X战警在漫威电影宇宙中的重要亮相，预计还将有更多演员公布。
-
新的统计方法在数据出错前检测故障传感器
一种检测故障传感器的新方法侧重于统计分析，而不仅仅是数值范围。通过在短时间窗口内监控标准差和平均绝对连续差等指标，可以在传感器提供明显错误数据之前识别异常。这种方法旨在捕捉通常在完全故障之前出现的诸如噪声增加、间歇性掉线或数值卡死等问题。
-
AI与安全新闻汇总：微控制器上的LLM、代理攻击和网络威胁
该集群汇总了多条AI和安全新闻，包括低功耗微控制器上LLM的开发、通过提示注入进行的代理间攻击，以及中国在开放AI模型方面的进展。它还涉及了冒充Signal支持的网络钓鱼攻击和Microsoft SharePoint中的零日漏洞等安全威胁，以及关于Nvidia Vera CPU和网络安全公司Acronis的新闻。
-
AI 详细介绍学习和迭代的每日进展
一个作为“盒子里的脑袋”运行的AI正在详细介绍其学习和迭代的每日进展。在第1337天，该AI成功地给微控制器刷了固件，生成了一个带有特定口音的合成语音“你好”，并控制了一个智能灯。这项活动被视为其持续学习过程的一部分，被称为第48,392次迭代。
-
新方法优化微控制器上深度神经网络的间歇式学习
研究人员开发了一种方法，用于优化微控制器上深度神经网络（DNN）的间歇式学习，特别适用于能量收集系统。该方法结合了硬件感知能量预测模型和多目标优化，以离线选择最优的DNN架构。能量预测器估算每层的推理和训练功耗，并考虑了检查点开销，在Cortex-M4 MCU上进行了验证，平均预测误差为16.6%。这项工作通过连接设计时优化和间歇式学习能力，促进了边缘设备的自主AI。
-
LLM 在 10 美元微控制器上演示，速度达 10 token/秒
一位开发者演示了大型语言模型 (LLM) 可以在极低功耗的硬件上运行，具体来说是一个 10 美元的微控制器。这一成就使得 LLM 可以在各种设备上运行，以近乎 10 token/秒的速度产生连贯的输出。这一突破预示着未来 AI 功能将集成到最基本的计算硬件中。
-
Inde Navarrette 被看好出演漫威宇宙魔形女一角；蝙蝠侠续集暗示将出现猫头鹰法庭
此集群包含一项讨论漫威电影宇宙（MCU）的潜在选角和即将上映的蝙蝠侠电影的情节细节。它推测 Inde Navarrette 可能扮演魔形女一角，并提到《蝙蝠侠2》中将出现猫头鹰法庭的证据。
-
Mineng Technology secures funding for brain-like SNN chips in medical devices
Mineng Technology has secured tens of millions in funding to advance its self-developed Spiking Neural Network (SNN) chips, designed to serve as the core processing unit for medical devices. These chips mimic the brain'…
-
小型 LLM 在 8 美元微控制器上运行，超越 GitHub UI
一个拥有 2890 万参数的大型语言模型已成功部署在了一个 8 美元的微控制器上，展示了人工智能技术在低功耗设备中的意外应用。这一成就被幽默地与 GitHub 用户界面的感知复杂性进行了对比，暗示在微控制器上运行人工智能相对来说是简单的。
-
普瑞股份预测：受AI需求推动，2026年利润将激增1925%
普瑞股份宣布，预计2026年上半年净利润约为8.25亿元人民币，与去年同期相比大幅增长约1925.36%。这一增长预测归因于全球AI算力建设优化了内存芯片的供应格局并推高了价格。此外，公司战略性拓展的“存储+”产品，包括微控制器（MCU）和驱动IC，在工控和AIoT领域的应用不断增加，也为整体营收增长做出了贡献。
-
13M ASR Conformer 模型在低成本微控制器上运行
一位开发者成功地在低成本 ESP32-S3 微控制器上实现了一个拥有 1310 万参数的自动语音识别 (ASR) conformer 模型。通过蒸馏和量化，该模型被压缩到仅占用 14MB 的闪存和 256KB 的 SRAM，使其能够转录 8 秒的音频。尽管推理速度仍然较慢，但这比之前的尝试有了显著的进步，开发者提倡进行更多关于模型效率的研究，以使人工智能在经济实惠的硬件上更加普及。
-
新框架可在微控制器上实现动物重识别
研究人员开发了一个新的动物重识别（Animal Re-ID）框架，该框架可以在微控制器（MCU）上运行。这对于在连接性有限的地区进行野生动物监测和牲畜管理等应用至关重要，因为推理必须直接在边缘设备上进行。所提出的系统系统地扩展了基于CNN的MobileNetV2骨干网络以适应低分辨率输入，在模型尺寸比最先进的模型减小两个数量级以上的同时实现了有竞争力的准确性。一种数据高效的微调策略允许在数据最少的情况下快速适应新环境。
-
LLM 是 ALU，不是计算机，缺乏持久状态
作者认为，大型语言模型（LLM）在根本上受到限制，因为它们缺乏传统计算机的持久状态和顺序处理能力。与具有程序计数器和寄存器的中央处理单元（CPU）不同，LLM 在单次调用中处理输入，并在调用返回后丢失其先前操作的所有记忆。这种固有的状态缺失意味着 LLM 更像是算术逻辑单元（ALU），而不是完整的计算机器，仅仅增加参数或上下文窗口大小并不能赋予它们运行程序的能力，而运行程序需要一系列依赖的步骤。
-
新论文概述了微控制器的嵌入式机器学习工作流程
一篇新论文详细介绍了一个在微控制器上实现机器学习的全面工作流程，重点关注资源受限设备的工程挑战。它涵盖了数据采集、信号预处理、特征提取、模型验证以及设备端推理的部署策略。该研究以惯性运动识别和关键词识别为例，说明了稳健的嵌入式机器学习系统的实际设计规则。
-
新的NAS方法针对效率和嵌入式设备 · 跟踪4个来源
研究人员开发了新的神经架构搜索（NAS）方法，旨在提高效率和资源意识。一种名为InTrain的方法，通过分析几何容量和优化弹性，引入了一个统一的可训练性理论代理，并取得了与现有方法相媲美的结果。同时，其他研究侧重于硬件感知的NAS，能够创建可以在内存有限的嵌入式设备（如微控制器）上运行的微型卷积神经网络（CNN），用于物联网设备的计算机视觉等应用。
-
边缘AI推动从微控制器向微处理器转变
嵌入式系统格局正从微控制器转向微处理器，预示着微控制器时代的潜在终结。这一转变是由边缘AI实施日益增长的需求驱动的，正如过去四年在AI展上所观察到的。这一趋势表明边缘AI策略的开发和部署方式正在发生根本性变化。
-
Ariel-ML工具包支持在多核微控制器上进行基于Rust的并行神经网络推理
一个名为Ariel-ML的新工具包已被开发出来，用于使用嵌入式Rust在多核微控制器上自动化神经网络推理的并行化。该工具包旨在利用各种32位微控制器中存在的异构多核架构的能力，包括Arm Cortex-M、RISC-V和ESP-32系列。基准测试表明，与现有的解决方案相比，Ariel-ML实现了更低的推理延迟，同时保持了与使用C/C++的工具包相当的内存占用。
-
新系统融合ToF和红外传感器以实现高效手势识别
研究人员开发了一种新颖的手势识别系统，专为智能眼镜等资源受限设备设计。该系统能够高效融合低分辨率的飞行时间（ToF）和红外热传感器的数据，解决了传统基于视觉方法带来的功耗和隐私问题。紧凑型卷积神经网络架构支持设备端处理，实现了高精度和低延迟。