罗姆EdgeTech+ 2026展出Solist-AI:边缘AI无需云端即可现场学习

无需云端即可现场学习:罗姆在EdgeTech+ 2026展示边缘AI“Solist-AI”共创生态

罗姆(ROHM)在11月18日至20日于Pacifico横滨举行的“EdgeTech+ 2026”上展出,以面向边缘设备的AI解决方案“Solist-AI”为核心,介绍与合作伙伴的共创案例、开发环境、自主行驶机器人以及开发大赛获奖作品。

Solist-AI:在设备端完成学习与推理

Solist-AI不依赖云服务器或网络,由边缘设备独立实时执行AI学习和推理。即使在无通信环境,也能学习现场正常状态,检测设备或机器出现“与平时不同”的状态。其核心由搭载罗姆自研AI处理专用硬件加速器“AxlCORE-ODL”的微控制器(MCU),以及用于分析、仿真和确认AI运行的工具软件构成。由于可用现场采集的数据在MCU上学习,无需先在PC上准备训练模型再移植到设备。它能现场学习不同设备和环境差异,并在投入运行后继续追加学习。

与合作伙伴共创,覆盖从PoC到量产运营

罗姆并不开发所有设备和应用。公司提供AI MCU和开发环境,系统硬件开发、平台构建、PoC、产品化、运营等由生态合作伙伴承担。罗姆可应需求介绍合作伙伴,由相关方推进具体解决方案开发,并持续招募合作伙伴,目标是把Solist-AI从单一MCU扩展为可实际导入的系统。已参与伙伴包括Data Techno、Braveridge、P-Bandotcom、信和产业、Shockley等,形成从评估板供应、电路设计、基板制造、通信到设备开发的支持体系。

现场学习振动,检测电机异常

合作伙伴案例之一是Braveridge的IoT设备“BraveJIG”与Solist-AI组合的电机异常检测方案。系统通过安装在电机上的加速度传感器获取振动数据,由Solist-AI现场学习正常运转状态;检测到异常的不规则振动时,作为故障预兆发出通知。即使每台设备正常振动特性不同,也可在导入现场学习,因此无需预先收集所有故障模式。系统还设想在持续使用中追加学习,按现场情况提高检测精度。

红外传感器人物检测,兼顾隐私

Data Techno与SSC展示了人物检测方案:用SSC的红外传感器获取温度分布,再由Solist-AI处理,检测视野内的人物。演示中,系统在红外温度分布上显示多个检测框,并实时统计人数。该方案不使用可见光摄像头影像即可掌握人员有无和人数,有望用于兼顾隐私的人流统计、看护、空调控制和设施管理。现场说明称,仅凭温度分布人眼难以辨认,但AI可根据与周围温差等判断有人存在;演示使用两个红外传感器获取温度分布。

NoMaDbot + MITRA:不依赖地图的自主行驶并加入异常检测

罗姆还展示了其研发主题——不依赖地图的自主行驶技术“NoMaDbot”与铃木电动出行平台“MITRA”组合的概念。NoMaDbot不依赖预先制作的地图或SLAM自定位,而是朝目的地坐标行进并避开障碍物。它利用光学摄像头和超声波进行空间感知,目标是相比使用LiDAR和雷达的构成,实现低成本、简单的自主行驶。只要用坐标等指定目的地,它就能把握周边情况、避开障碍物行驶;设想导入布局频繁变化的工厂、施工现场,以及存在镜面装置或玻璃墙的环境。若搭载Solist-AI,还可现场学习和检测轮胎空转、装载物跌落、与物体碰撞等异常振动或动作,并发出警报。

时隔7年举办开发大赛,5件作品获奖

罗姆今年时隔7年举办创客挑战赛“ROHM EDGE HACK CHALLENGE 2026”,目的是利用Solist-AI拓展不依赖云端的“在现场思考、在现场行动”的AI可能性。大赛从32组报名中选出10组通过初审;最终评审围绕独创性、Solist-AI利用度、作为系统的完成度,选出最优秀奖1名和优秀奖4名(另设合作伙伴奖等)。展台展出了这些获奖作品,并由开发者本人介绍技术。

最优秀奖颁给“はうらへん”:它学习麦克风啸叫发生前的变化,在刺耳声音出现前进行抑制。作品能在现场学习不同房间和麦克风各自的啸叫前兆,约230毫秒内响应并消除啸叫。它不经过PC或云端,在设备内完成学习与判断,充分发挥了Solist-AI的特点。

优秀奖包括:用1个气压传感器推定触摸位置的“PneuTouch AI”;从农业机械振动检测异常的“AgriHealth”;根据板面振动判定打击点并发声的电子乐器“Solistpan”;以及根据温度和电阻判断章鱼烧烤制程度的“AIで究極のたこ焼きを焼く”(用AI烤出终极章鱼烧)。这些作品表明,设备端AI不仅能用于预测性维护、人物检测等工业用途,也可拓展到乐器、玩具、烹饪、农业等新领域。

从AI MCU走向现场AI共创平台

要将边缘AI真正导入产品和设备,仅靠半导体并不够,罗姆以Solist-AI MCU为核心构建生态的做法具有合理性。工业现场未必始终联网,且常依赖电池驱动,要求长时间运行。搭载高性能PC虽能提升AI性能,但若电池只能维持数小时,就不是边缘领域的最优解。因此,像Solist-AI这样在现场学习、理解状态并作出判断的AI,导入趋势可能增强。不过现场需求往往各不相同,罗姆需要借助合作伙伴的开发力和创客(Maker)的自由创意,增加单一企业难以产生的应用和解决方案,推动Solist-AI从“AI MCU”扩展为解决现场课题的共创基础。

新人专享大礼包