PulseAugur
中
实时 11:55:30
实体 NVIDIA Jetson Orin Nano 8GB

NVIDIA Jetson Orin Nano 8GB

PulseAugur coverage of NVIDIA Jetson Orin Nano 8GB — every cluster mentioning NVIDIA Jetson Orin Nano 8GB across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
21
90 天内 75
发布 · 30天
0
90 天内 0
论文 · 30天
13
90 天内 37
层级分布 · 90 天
主题
关系
情绪 · 30 天

9 天有情绪数据

最近 · 第 1/4 页 · 共 79 条
  1. RESEARCH · CL_366162 ·

    自学习暖通空调控制堆栈在边缘设备上运行

    研究人员开发了一种用于暖通空调控制的自学习边缘堆栈,该堆栈可根据建筑数据持续适应,超越了仅模拟器或云端重新训练的模型。该系统利用 NVIDIA Jetson Orin 网关上运行的 Transformer-Encoder 预测器和分布强化学习 Soft Actor-Critic 代理。该堆栈包括一个安全包络和一个用于节能认证的基线,在真实的酒店数据中展示了快速收敛和准确性。

  2. TOOL · CL_351984 ·

    边缘AI框架为联网汽车优化视觉Transformer

    研究人员开发了一个新的框架,用于优化视觉Transformer模型在联网和自动驾驶汽车(CAVs)中的部署。该框架通过动态调整模型分区点、量化比特宽度以及跨各种车载计算节点的执行位置,解决了静态分层推理方法的局限性。该系统旨在最小化计算和V2V通信的能耗,同时遵守延迟和任务质量的约束。

  3. SIGNIFICANT · CL_351698 ·

    英伟达发布GR00T 2机器人模型,开源生态系统

    英伟达发布了GR00T 2,一款新的机器人基础模型,旨在增强通用性、灵巧性和适应性。该模型可以从人类演示中学习技能,并将这些技能转移到机器人上,即使机器人没有针对这些任务进行专门训练。英伟达还将GR00T 2模型、其训练数据、模拟环境和数据收集硬件开源,旨在为机器人开发提供一个全面的生态系统。

  4. TOOL · CL_348659 ·

    轻量级HMMF-Net在鱼类喂食评估中实现高精度

    研究人员开发了HMMF-Net,一种新颖的轻量级网络,旨在精确评估水产养殖中的鱼类喂食强度。这种多模态架构有效地结合了视觉和声学数据,克服了单一模态方法和计算密集型现有多种模态框架的局限性。HMMF-Net在AV-FFIA数据集上实现了高精度和F1分数,并展示了在NVIDIA Jetson Orin Nano等资源受限的边缘设备上的高效部署。

  5. TOOL · CL_359601 ·

    新框架统一边缘网络上的目标检测和图像描述

    研究人员开发了一个统一的、基于Transformer的框架,用于分布式边缘网络中的目标检测和密集区域图像描述。该架构重用了图像特征来进行定位和描述,无需为图像描述单独设置编码器。该系统专为资源受限的设备设计,其模型将模型阶段和数据流分配到边缘节点,同时考虑执行时间、内存和功耗等因素。

  6. TOOL · CL_344190 ·

    能耗感知的OVD调度器提升机器人自主性和效率

    研究人员开发了一种面向低功耗移动机器人开放词汇目标检测(OVD)的能耗感知调度系统。该系统根据里程计、地图变化和检测置信度等因素动态调整YOLO-World-S检测模式,以优化能耗。在AgileX LIMO机器人上的评估表明,与固定速率检测基线相比,任务成功率有所提高,功耗有所降低,但并未始终最小化整体任务窗口能耗。

  7. TOOL · CL_340697 ·

    Banana Pi BPI-SM10 提供 60 TOPS 的 RISC-V Jetson Orin Nano 替代方案

    Banana Pi BPI-SM10 是一款新的 RISC-V 开发板,提供 60 TOPS 的性能,定位为 NVIDIA Jetson Orin Nano 的替代品。该板专为嵌入式 AI 应用而设计,旨在为单板计算机市场提供一个有竞争力的选择。

  8. TOOL · CL_327351 ·

    新的ORBITAL框架优化了BCI压缩的鲁棒性和效率

    研究人员开发了ORBITAL,一个旨在通过压缩脑机接口(BCI)的脑电图(EEG)解码器来优化BCI的新框架,同时保持对抗鲁棒性。该方法结合了结构化压缩、感知恢复的操作点选择和多重攻击评估。与标准的压缩技术相比,ORBITAL在BCI Competition IV-2a数据集上实现了卓越的鲁棒性,参数和MACs显著减少。该框架还在NVIDIA Jetson Orin Nano等硬件上展示了效率提升,降低了能耗和延迟,尽管原生INT8量…

  9. TOOL · CL_327284 ·

    新的 Bi-Mamba 模型通过实时轨迹预测增强机器人导航

    研究人员开发了 TrajMamba,这是一种新颖的双向状态空间模型,专为使用 RGB-D 相机进行实时人类轨迹预测而设计。该模型通过对训练和推理过程中的姿势提取和深度处理进行对齐,解决了训练-部署流程的差距。TrajMamba 利用堆叠的双向 Mamba 块来编码速度数据,并使用 GRU 头部来解码未来轨迹,在 ETH/UCY 基准测试上实现了平均 ADE 为 0.29m 和 FDE 为 0.51m。凭借 262K 的紧凑参数,它可以…

  10. SIGNIFICANT · CL_319165 ·

    NVIDIA 发布 Nemotron 3.5 Bolt E4B 用于本地 AI 助手

    NVIDIA 发布了 Nemotron 3.5 Bolt E4B 4GB,这是一款开源的小型语言模型,专为在语音助手、游戏角色和机器人等设备上高效本地运行而设计。该模型基于 Google 的 Gemma 4 E4B,通过强化学习进行后训练,专注于对话能力和多轮工具使用。NVIDIA 声称 Nemotron 3.5 Bolt E4B 在多项基准测试中优于 Gemma 4 E4B 和其他小型模型,并且在推测解码测试中速度更快。

  11. TOOL · CL_317201 ·

    新框架SLoSa训练小型、安全的AI模型用于机器人任务规划

    研究人员开发了SLoSa,一个旨在为机器人任务规划创建小型、节能且安全意识强的基座模型的框架。该方法结合了经典规划方法和大型语言模型(LLMs),以克服各自的局限性。SLoSa利用一个安全意识数据集和一个两阶段训练过程,包括监督微调和强化学习,以确保机器人在遵守安全约束的同时实现目标。该框架在各种PDDL域、模拟环境以及物理机械臂上都取得了成功,显示出在边缘设备上更高的成功率和更低的功耗。

  12. TOOL · CL_315424 ·

    开发出高效U-Net模型,用于快速脊柱CT分割

    研究人员开发了SpineContextResUNet,这是一种计算高效的3D残差U-Net,用于快速脊柱CT分割。该模型解决了当前最先进方法的高资源需求问题,使其适用于GPU访问受限的环境或部署在边缘设备上。该架构使用轻量级的Context Block和并行多扩张卷积来捕获长距离依赖关系,而无需Transformer或RNN的计算成本。在公开基准VerSe2020和CTSpine1K上进行测试,SpineContextResUNet取…

  13. TOOL · CL_313492 ·

    环保组织抗议英伟达GTC主题演讲,关注无人机芯片问题

    在黄仁勋于柏林发表英伟达GTC主题演讲期间,环保组织“绿色和平”的抗议者打断了活动,要求就英伟达芯片被发现在俄乌冲突中使用的俄罗斯无人机上以及该公司更广泛的环境影响作出解释。抗议者展示了一幅横幅,并直接质问黄仁勋,黄仁勋冷静回应后,安保人员将他们带离。英伟达表示,其消费级Jetson芯片并未在俄罗斯销售,也不用于军事目的,但承认无法追踪二手模块的转售情况。

  14. TOOL · CL_308033 ·

    边缘GPU AI性能瓶颈在于内存带宽而非FLOPs

    一篇新的研究论文强调,基于查询的分割解码器在边缘GPU上的性能主要受内存带宽限制,而非计算能力(FLOPs)。该研究剖析了FastInst和Mask2Former等模型,发现这些解码器将大量时间和内存用于跨内核激活流量,从而有效地使内存总线饱和。为解决此问题,开发了一种名为CompactInst的新方法,该方法通过无参数空间池化减少数据移动,从而在NVIDIA Jetson Orin Nano等设备上实现显著的加速,同时保持了具有竞争力的准确性。

  15. TOOL · CL_303244 ·

    EdgeWise 通过选择性 LLM 委托将 AI 云成本削减 87%

    EdgeWise 开发了一种新颖的方法,通过选择性地委托任务来降低 AI 代理的云成本和延迟。他们的系统在 arXiv 论文中有详细介绍,使用在边缘设备上运行的小型“步进选择器”模型来确定哪些推理需要像 GPT-4 Turbo 这样的强大云端 LLM。这种选择性委托可以将推理成本降低高达 87%,并显著降低延迟,使复杂的 AI 应用在现实世界中更具可行性。

  16. TOOL · CL_303696 ·

    基于FPGA的FALCON系统确保自动驾驶的延迟保证

    研究人员开发了FALCON,一种用于摄像头式自动驾驶的新型系统,它优先考虑可延迟认证的占用网络。该系统在AMD Kria KR260 FPGA上实现,确保每一帧都满足延迟保证,这与优化平均延迟的商品加速器不同。FALCON通过分层方法实现这一点,其中可编程逻辑计算在分析上是周期有界的,并且推理延迟在广泛的跟踪中进行测量,并由看门狗强制执行。虽然完整的流水线目前每帧大约需要1.3秒,但该系统在Occ3D-nuScenes验证集上实现了具…

  17. TOOL · CL_303649 ·

    边缘AI系统DefoliationCAM实时评估葡萄藤虫害损失

    研究人员开发了DefoliationCAM (D-CAM),一个用于实时评估葡萄藤虫害落叶严重程度的边缘AI系统。该系统利用YOLOX-Nano模型进行枝条定位,并使用轻量级的MobileNet分类器对田间收集的图像进行损害等级分类。D-CAM将斑块预测汇总为非线性全局落叶严重程度 (NGDS) 分数,该分数已通过专家评分进行了验证,并与既定的害虫管理阈值一致。该系统采用自主部署和太阳能供电,证明了其在远程监测和及时害虫管理决策方面的可行性。

  18. TOOL · CL_300808 ·

    新的3D道路使用者估计方法使用摄像头-雷达融合技术

    研究人员开发了一种新颖的两阶段方法,用于从路侧RGB摄像头和3D雷达估计道路使用者的3D形状和方向。该方法解决了现有端到端深度学习模型适应路侧传感器各种安装方式的挑战。所提出的系统首先提取2D边界框和3D雷达点,然后使用轻量级神经网络预测特定站点的偏航角,从而可以在NVIDIA Jetson ORIN等硬件上实现实时应用。

  19. TOOL · CL_300478 ·

    新型量化方法将Mamba超分辨率速度提升2.23倍

    研究人员开发了一种名为Token-Group量化的新型训练后量化(PTQ)框架,用于基于Mamba的超分辨率模型。该方法解决了Mamba模型中跨空间Token的激活范围变化所带来的挑战,而这种变化会使低比特量化变得复杂。该框架通过使用轻量级预测器从预扫描特征推断分组,来近似一个硬件不友好的分组预言机,将具有相似裁剪范围的Token分配到同一组。此外,还引入了一个保频细化目标,以在校准过程中保持高频结构,从而在NVIDIA Jetson…

  20. TOOL · CL_293725 ·

    Gemma E4B 针对 Jetson Orin Nano 进行了优化,配备了新的 EXL3 引擎

    一个名为 little-gemma V1.0 的新引擎已为 NVIDIA Jetson Orin Nano 开发,在 Gemma E4B 模型上提供了比 llama.cpp 更好的性能。开发者分叉了 exllamav3 并将 little-gemma V1.0 的代码移植过来创建了 EXL3,它在略微降低解码速度的情况下提高了预填充速率。对于需要在 Jetson Orin Nano 上获得卓越预填充性能的用户来说,这个优化版本尤其有益。