Платформы
Примечание о переводе. Цены указаны в долларах США, как в оригинале, и ориентировочны: перед покупкой проверьте актуальную стоимость у продавца.
В этой главе приведены подробные технические характеристики четырёх аппаратных платформ, которые используются в лабораторных работах. Каждая из них занимает собственное место на шкале возможностей встраиваемых вычислений: от микроконтроллеров со сверхнизким энергопотреблением до полноценных периферийных компьютеров.
Эти платформы выбраны потому, что каждая из них наглядно показывает свой инженерный компромисс между энергопотреблением, вычислительной мощностью и сложностью разработки. Все они широко применяются в коммерческих проектах, поэтому навыки, полученные здесь, напрямую переносятся на профессиональную работу со встраиваемыми системами.
Платформа в центре внимания
Полный комплект XIAOML Kit со всеми компонентами
XIAOML Kit — самая новая из наших учебных аппаратных платформ (выпущена 31 июля 2025 года). Это полноценная среда разработки TinyML для изучения ML-систем: встроенная беспроводная связь, камера, несколько датчиков и обширная документация. Эта компактная плата показывает, как современные встраиваемые системы могут эффективно обеспечивать продвинутые возможности машинного обучения в недорогом исполнении.
Обзор платформ
В нашем курсе четыре тщательно отобранные платформы, которые охватывают весь спектр возможностей встраиваемых вычислений. Каждая платформа из таблицы ниже выбрана, чтобы показать конкретные инженерные компромиссы и учебные цели.
| Платформа | Основная тема обучения | Стоимость | Энергопрофиль | Лучше всего для |
|---|---|---|---|---|
| XIAOML Kit | IoT и беспроводное ML | ~$40 | Низкое | Проекты с ограниченным бюджетом |
| Arduino Nicla | Проектирование со сверхнизким энергопотреблением | ~$95 | Сверхнизкое | Устройства с питанием от батареи |
| Grove Vision AI | Аппаратное ускорение | ~$25 | Среднее | Промышленные применения |
| Raspberry Pi | Полноценные ML-фреймворки | $60–145 | Высокое | Сложные периферийные вычисления |
Стратегия выбора платформ
Сравнение платформ
В таблице ниже приведено подробное техническое сравнение всех четырёх платформ.
| Характеристика | XIAOML Kit | Raspberry Pi | Arduino Nicla | Grove Vision AI V2 |
|---|---|---|---|---|
| Диапазон стоимости (USD) | ~$40 | $60–145 | ~$95 | ~$25 |
| Энергопотребление | Низкое | Высокое | Сверхнизкое | Среднее |
| Вычислительная мощность | Средняя | Очень высокая | Низкая | Высокая (NPU) |
| Объём памяти | 8 МБ | 1–16 ГБ | 2 МБ | 16 МБ |
| Основной сценарий | IoT-сети | Периферийные вычисления | Устройства от батареи | Промышленный ИИ |
| ML-фреймворк | TF Lite | TensorFlow, PyTorch | TensorFlow Lite | SenseCraft AI |
| Среда разработки | Arduino/PlatformIO | Python/Linux | Arduino IDE | Визуальный интерфейс / код |
Матрица сравнения платформ
Рекомендации по выбору платформы
Выбор подходящей платформы зависит от конкретных учебных целей и требований проекта. Таблица ниже систематизирует эти соответствия и помогает принять решение.
| Учебная задача / применение | XIAOML Kit | Raspberry Pi | Arduino Nicla | Grove Vision AI V2 |
|---|---|---|---|---|
| Основы встраиваемых систем | ✓ | Ограниченно | ✓ | ✓ |
| Беспроводная связь | ✓ | ✓ | ✓ | |
| Сверхнизкое энергопотребление | ✓ | |||
| Полноценные ML-фреймворки | ✓ | |||
| Аппаратное ускорение | ✓ | |||
| Компьютерное зрение в реальном времени | Ограниченно | ✓ | ✓ | ✓ |
| Интеграция периферийных устройств с облаком | ✓ | ✓ | ✓ | |
| Промышленное развёртывание | ✓ | ✓ | ✓ |
Матрица возможностей платформ
Технические характеристики платформ
В этом разделе приведены подробные технические характеристики каждой платформы: архитектура процессора, иерархия памяти, возможности датчиков и требования к инструментам разработки.
XIAOML Kit (Seeed Studio)
Лучше всего для: IoT и беспроводного ML. XIAOML Kit хорошо справляется с беспроводной связью и проектами с ограниченным бюджетом. Он идеально подходит для изучения сетей IoT-датчиков, систем удалённого мониторинга и беспроводного ML-инференса, когда нужна надёжная связь в компактном и недорогом исполнении.
XIAOML Kit объединяет плату XIAO ESP32S3 Sense и плату расширения, образуя полноценную среду разработки TinyML. Одна только XIAO ESP32S3 Sense обеспечивает камеру и микрофон (зрение и звук), а плата расширения добавляет 6-осевой инерциальный измерительный блок (IMU) для классификации движения. Название «XIAO» (小) в переводе с китайского означает «крошечный» и отражает форм-фактор платы: мм.
XIAOML Kit с платой расширения
Архитектура процессора: Двухъядерный ESP32-S3 с ядрами Xtensa LX7 на частоте 240 МГц
Иерархия памяти: 8 МБ PSRAM и 8 МБ флеш-памяти
Связь: Wi-Fi 802.11 b/g/n и Bluetooth 5.0
Встроенные датчики:
- XIAO ESP32S3 Sense: камера OV2640, цифровой микрофон
- Плата расширения: 6-осевой инерциальный измерительный блок (IMU), 0,42-дюймовый OLED-дисплей
Характеристики питания: Питание 3,3 В с несколькими режимами пониженного энергопотребления
Среда разработки: Поддерживаются Arduino IDE и PlatformIO, есть обширная экосистема библиотек. Программирование ведётся на C/C++ с абстракциями в стиле Arduino; опытные пользователи могут работать напрямую с ESP-IDF.
Область применения: Сети IoT-датчиков, системы удалённого мониторинга, беспроводный ML-инференс, проекты с ограниченным бюджетом
Arduino Nicla Vision
Лучше всего для: проектирования со сверхнизким энергопотреблением. Arduino Nicla Vision оптимизирована для устройств с питанием от батареи и систем непрерывного сенсорного наблюдения. Она идеально подходит для изучения проектирования со сверхнизким энергопотреблением, систем классификации изображений и обнаружения объектов, где время работы от батареи измеряется месяцами, а не часами.
Nicla Vision — пример профессиональных встраиваемых систем технического зрения, построенных на микроконтроллере STM32H7. Эта платформа показывает, как специализированная аппаратная архитектура позволяет выполнять сложный ML-инференс в жёстких ограничениях ресурсов.
Arduino Nicla Vision с модулем камеры
Архитектура процессора: Двухъядерный STM32H747: ARM Cortex-M7 и Cortex-M4 на частоте 480 МГц
Иерархия памяти: 1 МБ встроенной SRAM и 2 МБ флеш-памяти, а также 16 МБ внешней QSPI-флеш-памяти
Встроенные датчики: Камера GC2145, цифровой микрофон MP34DT05, 6-осевой IMU
Характеристики питания: Питание 3,3 В, оптимизированное для работы от батареи
Среда разработки: Поддерживаются Arduino IDE и OpenMV IDE со специализированными библиотеками компьютерного зрения. Для быстрого прототипирования доступен MicroPython, а для промышленного развёртывания — C/C++.
Область применения: Устройства с питанием от батареи, системы классификации изображений, обнаружение объектов, непрерывное сенсорное наблюдение
Grove Vision AI V2
Лучше всего для: аппаратного ускорения. Grove Vision AI V2 содержит специализированный аппаратный блок для нейронных сетей, благодаря которому производительность растёт на порядки. Плата идеально подходит для изучения систем промышленного контроля, аналитики видео в реальном времени и продвинутого обнаружения объектов, где нужен инференс с ускорением на NPU.
Grove Vision AI V2 включает выделенный блок нейронной обработки (NPU), который демонстрирует аппаратно ускоренный ML-инференс. Эта платформа показывает, как специализированные ИИ-процессоры дают прирост производительности на порядки по сравнению с реализациями, работающими только программно.
Grove Vision AI V2 с NPU
Архитектура процессора: ARM Cortex-M55 со встроенным NPU Ethos-U55
Иерархия памяти: 16 МБ внешней памяти для хранения модели и данных
Нейропроцессорный блок: Выделенный аппаратный ускоритель для ML-инференса
Интерфейс камеры: Стандартный разъём CSI, поддерживающий различные модули камер
Аудиовход: Встроенный цифровой микрофон
Среда разработки: Визуальная платформа программирования SenseCraft AI для разработки без написания кода, а также поддержка Arduino IDE для собственных приложений. Доступны как графическое программирование, так и традиционная разработка на C/C++.
Область применения: Системы промышленного контроля, аналитика видео в реальном времени, продвинутое обнаружение объектов, инференс с ускорением на NPU
Raspberry Pi (модели 4/5 и Zero 2W)
Лучше всего для: полноценных ML-фреймворков. Raspberry Pi соединяет встраиваемые системы и традиционные вычисления, предоставляя полноценную среду Linux для продвинутых ML-приложений. Она идеальна для изучения периферийных ИИ-шлюзов, сложных систем компьютерного зрения, развёртывания языковых моделей и мультимодальных ИИ-приложений, где нужны полные вычислительные возможности.
Семейство Raspberry Pi соединяет встраиваемые системы и традиционные вычисления: оно даёт полноценную среду Linux и при этом остаётся доступным для обучения. Эта платформа показывает, как увеличение вычислительных ресурсов открывает путь к сложным ML-приложениям.
Raspberry Pi 5 и Pi Zero 2W для сравнения
Архитектура процессора: ARM Cortex-A76 (Pi 5) или Cortex-A53 (Zero 2W)
Иерархия памяти: Оперативная память DDR4 объёмом 1–16 ГБ в зависимости от модели
Накопитель: Основное хранилище — microSD-карта, расширение через USB 3.0
Связь: Gigabit Ethernet, Wi-Fi, Bluetooth, несколько портов USB
Интерфейс камеры: Выделенный разъём CSI и поддержка USB-камер
Операционная система: Raspberry Pi OS на основе Debian (полноценный дистрибутив Linux)
Среда разработки: Полноценная среда разработки Linux с нативной поддержкой Python, C/C++ и JavaScript. Менеджеры пакетов (apt, pip) дают доступ к обширному набору ML-библиотек, включая TensorFlow, PyTorch и OpenCV.
Область применения: Периферийные ИИ-шлюзы, системы компьютерного зрения, развёртывание языковых моделей, мультимодальные ИИ-приложения
Начало работы
Чтобы начать работу с аппаратными наборами, которые используются в курсе, их можно купить напрямую у следующих официальных поставщиков:
- Seeed Studio — XIAOML Kit и модуль Grove Vision AI V2
- Магазин Arduino — Nicla Vision
- Raspberry Pi Foundation — платы и наборы
- DigiKey, Mouser, SparkFun — альтернативные дистрибьюторы с широким ассортиментом компонентов и наборов
Уточняйте на сайтах наличие учебных скидок, комплектов и доступность в вашем регионе. Большинство наборов продаются как стартовые комплекты, в которые входят плата и базовые аксессуары.