文章和部落格

Learn how a modular development platform helps designers solve processor selection challenges and accelerate prototyping for both MCUs and MPUs.

iWave’s edge AI platform accelerates complex AI workloads.

使用先進的控制、成像、感測、通訊技術，設計精準且靈活的固定式機器人。

具備系統單晶片技術的智慧藍牙信標，能即時收集並分析操作資料，以提經過機器學習的洞察。

結合邊緣 AI 的即用解決方案，可立即部署無線條件式監測，並即時通報振動異常狀況。

本文介紹了如何利用DFRobot的硬核開發工具實現環境感測系統的開發。 文章詳細闡述了Gravity系列感測器如何精準捕捉環境數據，並結合FireBeetle2 ESP32-S3-U與行空板M10主控板實現本地AI推理與數據可視化交互。 文章強調了DFRobot提供的開源平台簡化了程式設計與調試流程，使普通人也能構建個人化環境感測解決方案，推動AI技術在日常生活中的普及化。

無線振動監測評估套件可在機器人、泵浦、風扇、風力渦輪機及其他系統中支援馬達的條件式監測。

本文探討了多模態感知AI如何讓機器像人類一樣具備“能聽、會說、能看”的能力。 文章以DFRobot的開源硬體為例，展示了離線語音辨識、語音合成、圖像識別等AI技術在智慧家居、工業控制等領域的應用。 文章強調利用DFRobot的模塊開發多模態感知AI的魅力在於其普惠性和可創造性，讓每個人都能動手創造屬於自己的智慧世界。

本文深入探討了「集中式智慧」到「分散式智慧」的轉變，介紹了TinyML和本地離線AI的應用。文章重點介紹了DFRobot的行空板，以及Gravity離線語音辨識模組、二哈識圖視覺模組等硬體產品，展示如何透過這些硬體實現離線語音控制、陌生人辨識警報、手勢控制等本地AI應用。此外，文章強調了TinyML的易用性。

本文探討了DFRobot的AI主控板的核心資源，並透過詳實的案例和硬體介紹，展現了DFRobot AI感測技術在感知領域的豐富的應用潛力，以及DFRobot如何透過其開源硬體產品降低AI創新門檻，推動AI技術普及化。

高效、低功耗的視覺 AI 微處理器可在機器人、監控及智慧家庭裝置的邊緣端促成即時推論。

結合多核心處理器、開發板與軟體，助您更快設計邊緣人工智慧應用。

平台供應商、裝置製造商與 Silicon Labs 等半導體公司皆以 Matter 協定為基礎合作促進智慧裝置互連。

瞭解如何在無線馬達監測應用中使用邊緣 AI 延長電池續航力。

邊緣人工智慧和微控制器能為人工智慧處理作業提供高效率和擴充能力、降低成本與功耗，並使即時應用最佳化。

Discover the Raspberry Pi 500, a powerful all-in-one computer in a keyboard. Explore specs, GPIO upgrades, and its perfect pair—the Pi Monitor.

人工智慧和感測器的結合在多個領域有廣泛應用和迅速的發展，特別是在自動化、物聯網、醫療、智慧城市以及工業4.0等領域。感測器的功能是收集環境中的物理數據，例如溫度、壓力、光線、聲音、加速度等，而人工智慧則用來分析和處理這些數據，從而做出智慧決策或自動反應。感測器融合與AI技術的結合，則實現了更高效率的數據分析和決策過程。

因為Edge AI和機器學習的運算主要發生在裝置邊緣，通常需要處理即時數據並在資源有限的情況下做出快速決策，因此對於硬體類型有其特殊的需求，市場上也有其相應的開發套件可供選擇。開發套件能幫助開發者快速設計、測試和部署AI解決方案。這些開發套件通常包括硬體平台、軟體工具和預先訓練的模型，能簡化開發過程。

在許多嵌入式系統中，必須採用嵌入式機器學習技術，這是指將機器學習模型部署在資源受限的裝置（如微控制器、物聯網裝置和智慧感測器）上，這些裝置通常具有有限的運算能力、儲存空間和功率消耗。許多嵌入式裝置必須採用邊緣運算，由於數據處理在本地裝置上完成，嵌入式機器學習能夠提供極低的響應時間，可降低延遲，適合需要即時反應的應用。

人工智慧（AI）已經是當前科技業最熱門的話題，且其應用面涉及人類生活的各個領域，對於各個產業都帶來相當重要的影響，且即將改變人類未來發展的方方面面，並且在不斷推動科技和社會的進步，未來的發展將無可限量。