Arms Oktober-Rückblick: Robotaxi, Smart Glasses, Tablets und KI-Modelle direkt auf dem Gerät

Autonome Mobilität und Robotik

Im Tensor RoboCar sind laut Arm 433 Arm-basierte Kerne im gesamten Fahrzeug verbaut. Eingesetzt werden unter anderem Arm Neoverse AE und Cortex-Prozessoren, die zentralisierte KI, agentische Erlebnisse im Innenraum, verteilte Sensorik und die Fahrzeugsteuerung unterstützen. Arm bezeichnet das Auto als Schaufenster für skalierbare, energieeffiziente KI für autonomes Fahren der Stufe 4 und hat ein Video veröffentlicht, das zeigt, wie sich die Technologie im Fahrzeug verteilt.

In der Prothetik setzt PSYONIC bei der Ability Hand auf eine berührungsempfindliche Prothese, die von 12 Arm-basierten Mikrocontrollern angetrieben wird. Diese koordinieren Sensorik, Motorsteuerung und Rückmeldung. In einem Bericht von BBC Tech Now, gedreht am Arm-Hauptsitz in Cambridge, kamen PSYONIC-Gründer und CEO Dr. Aadeel Akhtar sowie Drew Henry, EVP für Physical AI bei Arm, zu Wort. Dieselbe Hand lässt sich auch auf Roboterplattformen einsetzen. Damit eröffnet sich die Möglichkeit, vom Menschen erzeugte Greif- und Kontaktdaten zu nutzen, um Maschinen für präzisere Manipulation zu trainieren.

Agile Robots hat mit Agile ONE SN eine humanoide Referenzplattform für Forschende und Entwickler vorgestellt. Sie bringt NVIDIA Isaac GR00T und Jetson-Thor-Rechenleistung auf Basis von Arm Neoverse V3AE CPUs in ein kompaktes Forschungssystem. Laut Arm soll der Integrationsaufwand sinken, der die Robotikforschung ausbremst, indem Datenerfassung, Simulation, Training und Tests miteinander verbunden werden.

Gemeinsame Frameworks und Reasoning-Modelle für Physical AI

Arm verwies außerdem auf das Robotics Capability Framework, das eine gemeinsame Sprache zur Definition von Roboterfähigkeiten und Systemanforderungen etablieren soll. Laut Arm lassen sich Systeme dadurch leichter vergleichen, Fragmentierung wird reduziert und Entwicklungsanstrengungen werden besser aufeinander abgestimmt.

Auf der Modellseite ist Googles Gemini Robotics Embodied Reasoning 2 jetzt als öffentliche Vorschau auf der Gemini-Plattform verfügbar. Das Modell bringt räumliches Schlussfolgern, mehrstufige Planung und die Koordination mehrerer Roboter in Entwicklungs-Workflows für Unternehmen. Arm arbeitet nach eigenen Angaben mit Google zusammen, um zu untersuchen, wie diese Reasoning-Fähigkeiten künftige Rechenplattformen für Robotik prägen könnten.

Endgeräte: Brillen, Tablets und PCs

Alibaba hat die Qwen Glasses N1 Serie auf den Markt gebracht, die laut Arm 50-MP-Kameras, 4K-Videoaufnahme, KI-Assistenz und freihändiges Bezahlen bietet. Himax' WiseEye-Prozessor auf Basis von Arm Cortex-M55 und Ethos-U55 ermöglicht stromsparende, dauerhaft aktive visuelle Sensorik. Das Design erkennt relevante Ereignisse lokal und weckt das Hauptsystem nur bei Bedarf. So begegnet es den Akkubeschränkungen intelligenter Brillen.

Amazon hat seine erste Alexa-Tablet-Reihe vorgestellt und bringt Alexa+ damit in eine größere Bandbreite alltäglicher Computernutzung. Das Flaggschiff Alexa Tablet 12 Pro nutzt einen MediaTek Dimensity 8400 Prozessor mit Arm Cortex-A725 CPUs und einer Arm Mali-G720 GPU.

Zum Thema PC hat Christopher Bergey, Executive Vice President für Edge AI bei Arm, einen LinkedIn-Artikel mit dem Titel „The next PC transformation: When computers adapt to us“ verfasst. Darin geht es darum, wie agentische KI PCs intuitiver machen und ihnen ermöglichen könnte, im Auftrag der Nutzer zu handeln.

Modelle für das Endgerät und Optimierungswerkzeuge

Liquid AI hat seine LFM3-Familie kompakter Open-Weight-Modelle für Text, Bild, Audio und Entscheidungsfindung vorgestellt, wobei Arm effiziente Inferenz von Beginn an unterstützt. Frühe, vorläufige Benchmarks des quantisierten Modells LFM3-1.7B auf Arm CPUs zeigen mit aktivierter Arm Scalable Matrix Extension 2 (SME2) ein 3,1-mal schnelleres Prefill und ein 1,5-mal schnelleres Decoding, und das mit nur zwei CPU-Threads. Liquid AI gehört zudem zu den Partnern von Arm Total Design for Physical AI.

Arm hob außerdem seinen AI Model Optimizer hervor, der auf Nota AIs NetsPresso aufbaut und Teams hilft, Modelle über das Arm AI Portal zu optimieren, zu bewerten und zu vergleichen. In ersten Tests auf einem Raspberry Pi 5 lief ein Bildklassifikationsmodell bis zu 5,9-mal schneller und mit 74 % weniger Speicherbedarf.

Einordnung

Der Rückblick zeigt, wie Arm seine Plattform in sehr unterschiedlichen Produkten positioniert, von Fahrzeugen und Prothesen über Brillen und Tablets bis zu kleinen Sprachmodellen. Für Entwickler deuten die Meldungen auf bessere Werkzeuge hin, um Modelle auf realen Geräten auszuführen und zu vergleichen, sowie auf gemeinsame Standards in der Robotik. Die Leistungswerte für LFM3 werden als früh und vorläufig beschrieben, und alle Ergebnisse stammen aus Arms eigener Darstellung.