Arduino VENTUNO Q

Arduino VENTUNO Q 是什么？

Arduino VENTUNO Q 是一款边缘 AI 电脑，专为机器人及其他物理系统设计，将 AI 感知、决策和实时控制集成到单板上。其目标是通过结合加速 AI 计算与微控制器“动作”层，降低多设备设置的复杂性。

该平台采用双脑架构：AI 脑负责运行神经网络推理，动作脑提供确定性、亚毫秒级响应。通过 Arduino App Lab 运行开发工作流，该工具定位为贯通嵌入式编程、Linux 开发和边缘 AI 的统一环境。

加速双脑架构（AI + 动作单板集成）： 结合 Qualcomm Dragonwing™ IQ8 和 STM32H5 微控制器，通过 RPC（Remote Procedure Call）桥接协调感知、决策和执行。
Dragonwing IQ-8275 处理器用于边缘推理： 提供 NPU、CPU 和 GPU 计算，用于部署视觉模型、LLM 和多模态 AI。
STM32H5F5 微控制器用于确定性控制： 支持 亚毫秒级响应，适用于稳定确定性机器人控制、运动系统和工业接口。
工业级存储（eMMC）： 使用 eMMC 存储 OS、框架、模型和数据，支持现场就绪操作。
通过 Arduino App Lab 实现统一开发体验： 让你在一致环境中处理 Arduino 草图、Python 脚本和 AI 模型，桥接嵌入式与 Linux 开发。
AI 模型启用与离线选项： 通过 Edge Impulse 和 Qualcomm® AI Hub 提供针对集成 NPU 的优化模型，例如本地 LLM（Qwen）、本地 VLM、TTS/ASR（Melo TTS、Whisper）以及计算机视觉工作流（如 MediaPipe 手势识别、YOLO-X 目标跟踪、PoseNet 姿态检测）。
软件栈中的机器人支持： 支持 ROS 2 用于实时机器人开发，并在 Arduino App Lab 中提供机器人专用“Bricks”以实现可复用功能。

选择设置模式： 将 VENTUNO Q 用作单板电脑，添加显示器、键盘和鼠标在 Linux 桌面启动 Arduino App Lab，或通过 USB-C 或网络连接 连接到笔记本/台式机，在 PC 上运行 Arduino App Lab。
在 Arduino App Lab 中开发： 使用 Arduino 草图 创建嵌入式逻辑，运行所需的 Python 脚本，并在同一环境中处理 AI 模型。
选择即用 AI 构建块： 从针对 VENTUNO Q 集成 NPU 优化的可用 AI 模型和示例入手，或根据特定需求自定义。
集成机器人组件（适用时）： 对于机器人项目，使用 Arduino App Lab 的机器人 Bricks 和 ROS 2 兼容性 连接感知、AI 处理和实时运动控制。

设备端离线 AI 助手： 构建完全离线的 AI 助手，适用于避免云依赖和数据传输的场景（如智能自助机、医疗助手或交通流量分析）。
机器人感知与确定性执行： 结合边缘 AI 视觉和感知实现环境感知，与确定性电机控制实现精确操作和导航。
人机系统实时交互： 使用手势识别工作流（MediaPipe）实现无接触界面和人机交互。
用于跟踪和监控的计算机视觉： 应用目标跟踪（YOLO-X）实时跟踪人员、车辆或其他物体，支持多摄像头视图，或使用姿态检测（PoseNet）进行运动分析。
教育和研究原型开发： 使用该平台原型化算法、发布研究成果，并以统一边缘开发环境教授高级 AI 和机器人概念。

Arduino VENTUNO Q 支持本地运行 AI 模型吗？
页面描述了本地设备端选项，如“Local LLMs”（Qwen）和“Local VLMs”，以及使用 Melo TTS 和 Whisper 的离线 TTS/ASR 工作流。

Arduino App Lab 在 VENTUNO Q 上支持哪些编程环境？
Arduino App Lab 支持在统一环境中运行 Arduino sketches、Python scripts 和 AI models。

该板如何同时处理 AI 和实时控制？
它采用 双脑架构：Qualcomm Dragonwing IQ8 负责 AI 计算（NPU/CPU/GPU），STM32H5 微控制器负责确定性亚毫秒响应，通过 RPC bridge 协调。

支持 ROS 2 用于机器人开发吗？
是的。产品页面指出 VENTUNO Q 支持 ROS 2。

我可以在 PC 上使用 Arduino App Lab，而不是板载显示屏吗？
是的。页面描述了 基于 PC 的设置模式，VENTUNO Q 通过 USB-C 或网络连接 连接到笔记本/台式机，Arduino App Lab 在您的 PC 上运行。

通用边缘 AI 开发板（GPU/NPU 系统）： 可运行视觉和 LLM 工作负载，但可能无法提供 AI 计算处理器与专为确定性亚毫秒控制设计的微控制器间的相同集成分离。
以微控制器为主的机器人控制器（MCU + 外部 AI 计算）： 适合实时执行，但 AI 感知通常运行在独立伴侣计算机上，而非统一板卡。
仅围绕 ROS 2 构建的机器人开发套件： 如果主要需要 ROS 2 开发工作流则有用，但可能缺少 VENTUNO Q 描述的单板“双脑”边缘 AI + 确定性控制布局。
专注模型部署的边缘 AI 平台（无统一机器人控制栈）： 可简化推理部署，但通常需要额外集成工作来实现确定性运动控制和 GPIO/PWM/CAN-fd 式接口。