边缘人工智能与 TinyML 为企业使用在高度受限的边缘节点上运行的机器学习打造智能产品功能奠定了基础。
Reality AI 是一个边缘人工智能 软件开发环境,在每个瑞萨 MCU/MPU 核心上结合了先进的信号处理、机器学习以及异常检测功能。 该软件基于独有的 Reality AI ML 算法,能够提供准确、可解释的结果,支持各种应用, 包括设备监测、预测性维护以及用户行为与周围环境感知 — 可在几乎不影响物料清单的条件下将这些功能添加到产品之中。
在瑞萨处理器上运行的 Reality AI 软件将帮助您的产品实现端侧智能化,并为您在所有市场中的解决方案提供支持。
Reality AI 软件可集成至瑞萨 e2 studio,并且支持所有瑞萨内核以及 MCU 开发板。 可作为附加选项集成至瑞萨电机控制套件。
区别于其他方法采用量化、压缩、剪枝或在精简模型的同时会降低准确性的其他机器学习技术,Reality AI 将先进的信号处理方法与机器学习相结合,可提供完整的准确性,结构紧凑且不会牺牲性能。
没有工程师会部署自己不了解的解决方案,因此 Reality AI 提供了基于时间和频率的模型功能透明度,以及完整的 C 或 MATLAB 源代码。您可以随时向同事和利益相关者解释为什么模型会有这样的表现,为什么应该信任它们。
仪器与数据收集在大部分机器学习项目中的成本占比超过 80%,而 Reality AI 的分析有助于降低这两方面的成本。 Reality AI Tools® 可以找出最具成本效益的传感器通道、理想的传感器位置并生成最低组件规格。 它还可以通过在收集数据时查找检测和数据处理问题来帮助管理数据收集的成本。
|
|
|
---|---|---|
类型 | 文档标题 | 日期 |
传单 | PDF 679 KB | |
白皮书 | PDF 655 KB | |
白皮书 | PDF 875 KB 日文 | |
白皮书 | PDF 717 KB | |
产品简述 | PDF 416 KB | |
白皮书 | PDF 1.25 MB 英语 , 日文 | |
传单 | PDF 284 KB | |
产品简述 | PDF 560 KB | |
8 items
|
See how Reality AI software from Renesas detects operating anomalies without sensors using predictive maintenance in firmware on the MCK-RA8T1 motor control development kit. This demo combines two kinds of AI models in a single project, one generated by Reality AI Tools and one ported using Renesas e-AI.
博客 | 2024年3月13日 | ||
新闻 | 2023年9月21日 | ||
博客 | 2023年7月24日 | ||
Renesas Picks Its Battle on Edge AI | 新闻 | 2023年7月5日 | |
博客 | 2023年6月29日 | ||
新闻 | 2023年6月15日 | ||
博客 | 2023年3月29日 | ||
博客 | 2022年8月31日 | ||
博客 | 2022年8月30日 | ||
博客 | 2022年8月29日 | ||
博客 | 2022年8月26日 | ||
博客 | 2022年8月25日 | ||
博客 | 2022年8月17日 | ||
博客 | 2022年8月17日 | ||
博客 | 2022年8月17日 | ||
博客 | 2022年8月16日 | ||
博客 | 2022年8月16日 | ||
博客 | 2022年8月16日 | ||
博客 | 2022年8月16日 | ||
博客 | 2022年8月15日 | ||
博客 | 2022年8月12日 | ||
博客 | 2022年8月12日 | ||
博客 | 2022年8月12日 | ||
博客 | 2022年8月11日 |