Я СОБРАЛ AI-РОБОТА У СЕБЯ ДОМА // впечатляющие разработки инженеров из arduino
до этого момента, меня не интересовали подобные технологии, но в последнее время после активного вката в агентивную разработку и использования агентов в повседневной жизни - они очень заинтересовали меня
на обзоре у нас Arduino VENTUNO Q:
вы только вдумайтесь - за 299$ вы можете запустить Qwen 3 4B, или поэкспериментировать и даже попытаться запустить более мощные квантованные модели с HF (hugging face).
"через Arduino App Lab вы можете напрямую загрузить совместимую GGUF-модель с HF через llama.cpp"
за эти деньги вы получаете:
• 2x8GB LPDDR5
• 64GB eMMC
• M.2 connector for NVME Gen.4 external storage
• bluetooth 5.3; wifi 2.4/5/6 GHz; 2.5 Gbit RJ45 порт
• USB camera support, многие другие usb-модули, все аудио интерфейсы (ввод/вывод) и многое другое, подробнее можете почитать здесь
при этом всём ничего не мешает вам использовать модульность arduino для реализации буквально чего вам угодно.
например на программном уровне при помощи LangGraph научить ваш qwen обращаться за помощью к более умным моделям по API.
базовая модель реализации физического ии-ассистента в формате десктоп / робот на колёсиках, которую я вижу:
юзерский ввод ->
микрофон / камера ->
локальный агент (пускай будут нативные qwen / gemma) ->
tools (тут можно придумать невероятное множество тулов, условно разделим их на ФИЗИЧЕСКИЕ / ВИРТУАЛЬНЫЕ / ВЫЗОВ ДРУГИХ АГЕНТОВ и приведём примеры) ->
физические: navigate('kitchen'), look_at('apple'), follow('user')
виртуальные: github() / gitlab(), calendar(), smart_home()
вызов агентов: call_codex(), call_claude_api(), call_deep_research(), ask_grok()
-> локальная память по которой ваш глупи qwen может ориентироваться и получать контекст от более умных агентов, даже если на время отключится интернет.
сама идея будет заключаться в том что более умная модель может отвечать за более сложные действия, при правильной организации вызовов через LangGraph
бытовые примеры (хорошо раскрывает себя с умным домом): "найди, где я оставил ключи"
- робот сначала смотрит локальную память: например, два часа назад камера видела ключи на подоконнике в гостинной - едет туда и проверяет.
или например: "иди за мной и напомни, когда у меня следующий созвон"
- квен вызывает тулзы с помощью LangGraph: follow("user") + calendar()
в общем очень много крутых применений можно придумать, как видите, особенно если дать ему доступ к какому-нибудь рабочему гитхабу, джире или slack-у
мне лично такое кажется каким-то киберпанком, но на самом деле - это реальность, это очень круто, я даже начал задумываться о покупке подобного стаффчика, да и вообще о запуске локальных llm-моделей в целом.
до этого момента, меня не интересовали подобные технологии, но в последнее время после активного вката в агентивную разработку и использования агентов в повседневной жизни - они очень заинтересовали меня
на обзоре у нас Arduino VENTUNO Q:
вы только вдумайтесь - за 299$ вы можете запустить Qwen 3 4B, или поэкспериментировать и даже попытаться запустить более мощные квантованные модели с HF (hugging face).
"через Arduino App Lab вы можете напрямую загрузить совместимую GGUF-модель с HF через llama.cpp"
за эти деньги вы получаете:
• 2x8GB LPDDR5
• 64GB eMMC
• M.2 connector for NVME Gen.4 external storage
• bluetooth 5.3; wifi 2.4/5/6 GHz; 2.5 Gbit RJ45 порт
• USB camera support, многие другие usb-модули, все аудио интерфейсы (ввод/вывод) и многое другое, подробнее можете почитать здесь
при этом всём ничего не мешает вам использовать модульность arduino для реализации буквально чего вам угодно.
например на программном уровне при помощи LangGraph научить ваш qwen обращаться за помощью к более умным моделям по API.
базовая модель реализации физического ии-ассистента в формате десктоп / робот на колёсиках, которую я вижу:
юзерский ввод ->
микрофон / камера ->
локальный агент (пускай будут нативные qwen / gemma) ->
tools (тут можно придумать невероятное множество тулов, условно разделим их на ФИЗИЧЕСКИЕ / ВИРТУАЛЬНЫЕ / ВЫЗОВ ДРУГИХ АГЕНТОВ и приведём примеры) ->
физические: navigate('kitchen'), look_at('apple'), follow('user')
виртуальные: github() / gitlab(), calendar(), smart_home()
вызов агентов: call_codex(), call_claude_api(), call_deep_research(), ask_grok()
-> локальная память по которой ваш глупи qwen может ориентироваться и получать контекст от более умных агентов, даже если на время отключится интернет.
сама идея будет заключаться в том что более умная модель может отвечать за более сложные действия, при правильной организации вызовов через LangGraph
бытовые примеры (хорошо раскрывает себя с умным домом): "найди, где я оставил ключи"
- робот сначала смотрит локальную память: например, два часа назад камера видела ключи на подоконнике в гостинной - едет туда и проверяет.
или например: "иди за мной и напомни, когда у меня следующий созвон"
- квен вызывает тулзы с помощью LangGraph: follow("user") + calendar()
в общем очень много крутых применений можно придумать, как видите, особенно если дать ему доступ к какому-нибудь рабочему гитхабу, джире или slack-у
мне лично такое кажется каким-то киберпанком, но на самом деле - это реальность, это очень круто, я даже начал задумываться о покупке подобного стаффчика, да и вообще о запуске локальных llm-моделей в целом.