Edge AI · Prodotto 03 · Motore Vivi
Carichi i dati dei sensori, addestri, scarichi codice C. Gira su ARM Cortex-M, ESP32 e RISC-V in meno di 20 KB.
Gratis per iniziare. Nessuna carta richiesta.
I dati dei tuoi sensori, così come li hai.
AutoML sceglie il motore Vivi giusto per i tuoi dati e il tuo chip.
C puro, zero dipendenze. Lo compili nel tuo firmware.
Niente GPU, niente sistema operativo. Bastano pochi KB di flash e RAM.
Impara cos'è normale dai tuoi dati e segnala il resto.
I nodi si scambiano ciò che imparano. Offline, senza server centrale.
Vibrazione, temperatura e corrente insieme. Meno di 2 KB in più.
Suoni e movimenti classificati su chip da pochi euro.
Ogni allarme dice quale segnale l'ha fatto scattare.
Migliora con una cinquantina di nuovi campioni, direttamente sul chip.
È l'AI che gira sul dispositivo che raccoglie i dati, non in un data center. La decisione nasce accanto al sensore.
| AI nel cloud | Edge AI | |
|---|---|---|
| Connessione | Sempre necessaria | Non serve |
| Latenza | Da 100 ms a qualche secondo | Sotto 1 ms |
| Costi | Paghi ogni inferenza | Nessun costo ricorrente |
| Dati | Lasciano il dispositivo | Restano dove nascono |
Lo stesso motore gira anche sui server: è quello di Shield e Lynx. La famiglia Vivi →
Vibrazioni di motori e pompe. Il guasto si vede prima.
Gesti, attività e cadute riconosciuti al polso.
Segnali vitali analizzati sul dispositivo. I dati restano lì.
Consumi anomali, presenze, irrigazione. Anche senza rete.
Rilevamento guasti di un motore, simulato nel browser. Premi Play.
No. Carichi un CSV, scegli il chip e Luviner fa il resto: addestramento, ottimizzazione, codice C.
ARM Cortex-M0, M3, M4, M7 e M33, ESP32, ESP32-S3 e RISC-V. Niente GPU, niente sistema operativo.
99,6% sul dataset CWRU (guasti ai cuscinetti) e 95% su UCI HAR (attività umane), con modelli sotto i 20 KB.
Se hai sensori che misurano vibrazione, temperatura, corrente, movimento o suono e ti servono decisioni in tempo reale, sì.
Con un aggiornamento firmware OTA, oppure riaddestrando sulla piattaforma. Il modello impara anche sul chip, con una cinquantina di campioni.
Una soglia guarda un valore alla volta. Un guasto vero è spesso una combinazione di segnali che cambia nel tempo: il modello la impara dai tuoi dati.