A TwinCAT Machine Learning kínálata további következtető motorral bővül

Szervermotor a növekvő gépi tanulási követelményekhez

A kiegészítő következtető motorként funkcionáló TwinCAT Machine Learning Szerverrel már a TwinCat Machine Learning is megfelel a gépi tanulás (ML) vagy az ipari alkalmazásokhoz szükséges mélytanulás egyre növekvő követelményeinek. Ennek oka az, hogy az ML-modellek egyre bonyolultabbá válnak, a végrehajtási sebesség várhatóan növekszik, és az ML-modellek esetében nagyobb rugalmassággal bíró következtető motorok szükségesek.

A TwinCAT Machine Learning Server egy szabványos TwinCAT PLC könyvtár és egy úgynevezett közel valós idejű következtető motor, vagyis a két előző motorral ellentétben nem szigorúan valós időben, hanem külön folyamatban fut le az ipari számítógépen. Cserébe viszont lényegében minden mesterségesintelligencia-modell futtatható a szervermotorban, mégpedig az Open Neural Network Exchange (ONNX – nyílt neurális hálózati adatcsere) szabványosított adatcsere-formátum teljes támogatásával. Ehhez a TwinCAT termékhez ráadásul mesterséges intelligenciára optimalizált hardveropciók is rendelkezésre állnak, amelyek skálázható teljesítményre képesek.

A TwinCAT Machine Learning Server klasszikus párhuzamosítással működik a CPU-kerneleken, akár a Beckhoff ipari számítógépeibe integrált GPU-t, akár például az NVIDIA dedikált GPU-it használva. Ezáltal olyan következtetőmotor jön létre, amely modellek tekintetében maximális rugalmasságot, hardver tekintetében pedig nagy teljesítményt nyújt. Alkalmazása a prediktív és preskriptív modellek, valamint a gépi látás és a robotika területén jellemző. Például olyan képalapú módszereknél, amelyek a termékek válogatására vagy értékelésére, a hibák osztályozására, valamint a hibák vagy termékek lokalizálására és a fogási helyzetek kiszámítására szolgálnak.