Не встигли ми звикнути до появи в жорстких дисках технології HAMR, де магнітний запис виконують із попереднім розігрівом лазером, як дослідники запропонували її подальший розвиток, що дасть змогу ще подвоїти місткість накопичувача.
Нагадаю, що використання HAMR обіцяє збільшити щільність запису і місткість жорсткого диска щонайменше вдвічі порівняно зі стандартною технологією перпендикулярного магнітного запису (PMR). Однак нещодавно продемонстрований двошаровий носій HDD, на якому біти даних записуються шарами один на одного, у поєднанні з багаторівневим записом із тепловою підтримкою, обіцяє щонайменше подвоїти можливості технології HAMR поточного покоління. За попередніми оцінками, це дасть змогу приблизно через 10-15 років довести місткість жорсткого диска до 120 ТБ.
Як повідомив ресурс Acta Materialia, дослідницькі групи з NIMS, Seagate Technology та Університету Тохоку продемонстрували можливість багаторівневого магнітного запису з тепловим підсилювачем (HAMR) на двошарових гранульованих носіях.
Концепція багаторівневого магнітного запису для жорстких дисків існує вже давно, але її практичному застосуванню заважала відсутність відповідних носіїв, здатних зберігати дані на різних рівнях. Дослідники розв'язали цю проблему, створивши новий тип гранульованого носія, що складається з двох наногранульованих плівок FePt-C, розділених розпірним шаром Ru-C з кубічною кристалічною структурою. Це дає змогу здійснювати роздільний магнітний запис на кожному шарі за різних магнітних полів і температур.
Регулюючи потужність лазера і магнітні поля в процесі запису, можна записувати два шари FePT незалежно один від одного, що дає змогу подвоїти щільність запису та місткість жорсткого диска без істотних змін у матеріалах магнітних шарів.
У звичайних жорстких дисках на основі HAMR використовують скляні пластини, вкриті магнітною плівкою, наприклад залізоплатиновим сплавом (FePt), на яку можна записувати дані, коли плівка нагрівається лазером до температури Кюрі (температура, за якої плівка змінює свої магнітні властивості) та її магнітна коерцитивність знижується.
Як випливає з назви, двошарові гранульовані носії мають два шари плівки, кожен з яких має різні температури Кюрі та магнітокристалічні анізотропії. Дослідники стверджують, що такі носії можуть забезпечити щільність запису понад 10 Тбіт/кв.дюйм, тобто отримати 10-пластинчасті жорсткі диски місткістю понад 120 ТБ.
Дослідники стверджують, що магнітні вимірювання та моделювання теплового магнітного запису показали, що носії HAMR можуть підтримувати трирівневий запис і навіть можуть бути здатні до чотирирівневого запису.
У міру того як зростає популярність платформ для додатків на базі штучного інтелекту, виникають різноманітні питання, пов'язані з нарощуванням їхньої продуктивності. І зокрема, як на неї впливає використання CXL.
Технологія Computer Express Link (CXL) з'явилася відносно недавно, тому має сенс нагадати її можливості. Якщо говорити коротко, то CXL дозволяє об'єднати масиви оперативної пам'яті за допомогою інтерфейсу PCIe. Наразі існує три категорії рішень CXL:
CXL 1 забезпечує розширення пам'яті, даючи змогу серверам x86 отримувати доступ до пам'яті на пристроях-прискорювачах з інтерфейсом PCIe, таких як smartNIC і DPU;
CXL 2 забезпечує об'єднання пам'яті між декількома серверами та підключеним до CXL пристроєм з пам'яттю;
CXL 3 забезпечує спільне використання пам'яті між серверами та пристроями CXL за допомогою комутаторів CXL.
Усі три системи мають механізм когерентного кешування, тобто локальні кеші першого рівня процесора і кеші інструкцій, які містять підмножину того, що знаходиться в пам'яті, мають єдиний вміст. CXL 1 і 2 засновані на шині PCIe 5, а CXL 3 використовує шину PCIe 6. Доступ до зовнішньої пам'яті через CXL збільшує затримку.
Уся пам'ять, до якої здійснюється доступ, спільне використання або об'єднання в пул у системі CXL, повинна мати метод доступу CXL, тобто доступ до шини PCIe 5 або PCIe 6 і підтримку протоколу CXL. Для цього підходить DRAM у серверах x86 і пам'ять GDDR у графічних процесорах. Однак пам'ять із високою пропускною здатністю (HBM), інтегрована в GPU через інтерпозер у всесвіті Nvidia, не підходить, оскільки не має інтерфейсу PCIe.
Прискорений процесор (APU) Instinct M1300A від AMD з об'єднаними ядрами CPU і GPU та спільним простором пам'яті має інтерфейс CXL 2. Суперчіп Grace Hopper від Nvidia з CPU Armv9 Grace і GPU Hopper має розділений простір пам'яті.
Чіп GPU H100 від Nvidia підтримує формати NVLink, C2C (для зв'язку з процесором Grace) і PCIe. Але можливості інтерфейсу PCIe обмежені. Є всього 16 ліній PCIe 5, які працюють зі швидкістю 64 ГБ/с, тоді як NVlink і C2C працюють зі швидкістю 450 ГБ/с - у сім разів швидше. Частина введення-виведення графічних процесорів Nvidia обмежена в просторі, і Nvidia надає перевагу збільшеній пропускній спроможності перед стандартними міжз'єднаннями, такими як PCIe. Тому площа PCIe на чипі в майбутньому не буде збільшуватися, а може і скоротиться.
Таким чином, не має великого сенсу в доступі CXL до пам'яті Nvidia GPU з високою пропускною здатністю. Однак процесори x86 не використовують NVLink, а наявність додаткової пам'яті в серверах x86 означає, що завдання, пов'язані з оперативною пам'яттю, можуть виконуватися швидше - навіть з урахуванням додаткової затримки при доступі до зовнішньої пам'яті.
Звідси випливає, що CXL не буде використовуватися в навчальних навантаженнях AI, коли вони виконуються на GPU-системах з HBM, але CXL може зіграти свою роль у серверах ЦОД на базі x86 / GDDR-GPU, що виконують навантаження з налаштування AI та висновків. Ми також навряд чи побачимо CXL у прикордонних системах, оскільки вони будуть простішими за конструкцією, ніж системи ЦОД, і потребуватимуть менше пам'яті.
У липні минулого року в Лас-Вегасі було активовано найбільший у світі LED-екран The Sphere. А днями було відкрито деякі технічні деталі цієї дивовижної споруди.
Нагадаю, що The Sphere є культурно-розважальною ареною сферичної форми, розташованою в східній частині зони Strip у Лас-Вегасі. За висоти 112 м і ширини 157 м її зовнішня поверхня площею 54000 кв. м і внутрішня на 15000 кв. м являють собою величезні екрани. У створенні останніх взяла участь компанія Hitachi Vantara, що спеціалізується на обробці даних, хмарних сховищах і різноманітних інфраструктурних платформах.
Як повідомляється, і внутрішній, і зовнішній екрани підтримують виведення відео з роздільною здатністю 16K. Кожен з них спирається на набір з 27 вузлів, здатних передавати потокове відео з роздільною здатністю 4K через програмне забезпечення Hitachi Vantara, що працює з флешпам'яттю об'ємом в 4 ПБ. При цьому пропускна здатність каналу передачі даних становить 400 ГБ/с. Також використовується повна субдискретизація кольоровості 4:4:4, і, як повідомляється, в дисплеях забезпечуються затримки не більше 5 мс.
Цікаво, що для забезпечення контенту з роздільною здатністю 16K використовується унікальна камера "Big Sky" з підтримкою 18K.
Погодьтеся, дивовижні технології, які навряд чи варто найближчим часом чекати на масовому ринку. Але за бюджету на створення цієї дивовижної арени у 2,3 млрд дол. цілком можна було очікувати чогось подібного. І судячи з численних відео відвідувачів The Sphere, які активно публікуються в Мережі, творці цієї арени таки домоглися того ефекту, на який розраховували.
Днями стартап Efficient Compute анонсував свій процесор, ключовою особливістю якого є значно підвищена енергоефективність.
В основі процесорів Efficient Compute лежить розроблена нею технологія архітектури Fabric. Якщо не вдаватися в подробиці фундаментальних досліджень, що були використані при її створенні, основні принципи цієї розробки зводяться до усунення значної частини накладних енерговитрат, пов'язаних з операціями процесорів загального призначення.
"Процесори оптимізувалися насамперед для продуктивності, часто на шкоду енергоефективності", - сказав Брендон Люсія (Brandon Lucia), співзасновник і виконавчий директор Efficient Computer. "Вони витрачають багато часу на те, щоб з'ясувати, скільки операцій у пам'яті можна виконувати одночасно. Це підвищує продуктивність, але коштом енергоспоживання".
Архітектура Efficient усуває більшу частину цих накладних витрат, передаючи рішення про паралельну обробку спеціально розробленому компілятору та використовуючи просторовий паралелізм. Це метод виконання різних інструкцій в один і той самий фізичний час, але в різних блоках процесора.
Крім того, для з'єднання елементів паралельної обробки використовується проста бортова мережа, яка "настільки ефективна, наскільки це взагалі можливо", - каже Брендон Люсія. Варто мати на увазі, що завдяки оптимізованій компіляції чипсет дещо більший за стандартний процесор, але при цьому має порівнянну продуктивність.
Компілятор має вирішальне значення для енергоефективності цього рішення. За словами Брендона Люсії, він може працювати з додатками на мовах C, C++, Tensorflow і деяких Rust, використовуючи Multi-Level Intermediate Representation - єдину програмну структуру для розробки компіляторів. Це дасть змогу багатьом наявним додаткам працювати на архітектурі Fabric без змін.
Компілятор створює проміжне представлення програми, яке моделює структуру базового обладнання. "У нас є низка кроків, званих пониженням, під час яких ми дедалі ближче і ближче наближаємо уявлення до того, що фізично реалізовано в чипі", - сказав він. "Попутно ми реструктуруємо уявлення графа потоку даних у програмі, щоб ще більше знизити кількість споживаної енергії після того, як ми відобразимо її на мережу".
Брендон Люсія сказав, що цільовими ринками нових процесорів є промислові пристрої інтернету речей, моніторинг інфраструктури та пристрої, що носять. За його словами, багато обмежень нинішніх пристроїв пов'язані зі споживанням енергії, що вимагає частих звернень у хмару або взагалі виключає використання смартпристроїв.
"Якби ви могли масштабувати розгортання за допомогою розумних пристроїв, ви могли б зробити набагато більше за допомогою машинного навчання на границі", - сказав він. "Наразі моніторинг багатьох промислових інфраструктур не має сенсу, оскільки батареї необхідно міняти кожні кілька місяців. Тоді як при використанні нашої платформи час автономної роботи може збільшитися з декількох місяців до декількох років".
Наразі чипсет перебуває на стадії "tape-out", що означає завершення розробки та початок виробництва. За повідомленням Efficient Compute, компанія уклала контракти з постачальниками додатків, яких вона не називає, і розраховує відправити серійні версії клієнтам на початку 2025 року.
Протистояння платформ ARM і x86 розгорнулося на новому етапі в завданнях з використанням технології штучного інтелекту.
Компанія Qualcomm опублікувала коротке відео, на якому представлено порівняльне тестування продуктивності її нової платформи для портативних комп'ютерів Snapdragon X Elite з x86-системою на базі процесора Intel Core Ultra 7. Нагадаю, що в обох наявні модулі тензорних обчислень, тож логічно, що для дослідження їхньої роботи були використані пакети генерування зображень за текстовим описом Stable Diffusion і GIMP. Для коректності порівняння ці тести проводилися без підключення до хмари із залученням лише локальних обчислювальних ресурсів.
Основний акцент у цьому тесті було зроблено на самі платформи без вказівки того, в якому саме ноутбуці вони встановлені. За заявою Qualcomm, NPU процесора Snapdragon X Elite забезпечує продуктивність до 45 TOPS, тоді як, за оцінками Intel, процесори Core Ultra досягають 34 TOPS у кращому випадку.
Відео починається з зіставлення виконання завдань для Stable Diffusion. Якщо ноутбук Snapdragon X Elite впорався із завданням створення зображення літніх фруктів за 7,25 с, то ноутбук Intel Core Ultra 7 завершив створення зображення за тим самим запитом лише через 22,26 с.
Знову ж таки, в GIMP, Qualcomm налаштувала дві машини на створення зображень за допомогою штучного інтелекту. Цього разу як завдання було обрано "величного лева, що гріється на золотому полуденному сонці". Ми бачимо, як плагін штучного інтелекту Snapdragon X Elite, що використовує стек Qualcomm AI Stack, завершує обробку за частку часу, який потрібен плагіну Intel OpenVINO для виконання того ж завдання. За твердженням Qualcomm, демонстрація показує, що її чип перевершує x86-конкурента, генеруючи в 10 разів більше зображень за заданий проміжок часу.
Утім, Qualcomm рано спочивати на лаврах, оскільки в наведеному порівняльному тестуванні було використано перший процесор Intel із вбудованим тензорним процесором покоління Meteor Lake. А на підході вже нові платформи - Arrow Lake для десктопів та Lunar Lake для ноутбуків. І за оцінками Intel, продуктивність їхніх вбудованих DPU і GPU має потроїтися. Так що протистояння ARM і x86 тільки розгортається.
Компанія Groq провела днями дивовижні демонстрації своєї платформи штучного інтелекту, продуктивність якої дає можливість отримувати відповіді без будь-яких помітних затримок.
Примітно, що в одному з демо відповіді Groq на поставлені цій AI-платформі запитання налічують сотні слів і містять посилання на джерела. Друге демо містило голосовий діалог, у якому не відчувалася неприродність, притаманна нині широко поширеним AI-платформам.
За словами глави Groq Джонатана Росса (Jonathon Ross), ключовою відмінністю розробленої його компанією AI-платформи є використання спеціалізованих чіпів Language Processing Units (LPU), які в AI-завданнях значно продуктивніші за топові GPU Nvidia. Джонатан Росс назвав ці чіпи "inference engine". За підсумками незалежного тестування, проведеного Artificial Analysis, продуктивність LPU Groq досягла 247 токенів на секунду. Для порівняння AI-платформа Microsoft забезпечує 18 токенів на секунду. Тож якщо запустити на апаратній платформі Groq чат-бот ChatGPT, він прискориться в 13 разів.
Як зазначив Джонатан Росс, у Groq вдалося обійти два вузьких місця великих мовних моделей, на яких зациклюються GPU і CPU: щільність обчислень і пропускна здатність пам'яті.
Невже настав час, коли штучний інтелект почне фліртувати?
У сегменті виробництва напівпровідників, де конкурують гіганти індустрії, раптово змінився розклад сил, що призвело до виходу в лідери TSMC.
За інформацією аналітика Дена Ністедта (Dan Nystedt), за
підсумками 2023 року оборот компанії TSMC становив 69,3 млрд дол., що дало їй змогу обійти пару Intel і Samsung, які в період з 2017 р. поперемінно були лідерами цього напряму. Так, попереднього року оборот Intel оцінили в 54,23 млрд дол., а продажі чипів принесли Samsung 50,99 млрд дол. Нагадаю, що Intel була беззаперечним лідером цього сегмента протягом десятиліть ще з 1992 р., коли випередила японську NEC.
Ще одним амбітним гравцем є Nvidia, яка успішно наповнює свої вітрила завдяки вибуховому інтересу до технології штучного інтелекту. І хоча підбиття підсумків фінансового року цієї компанії має відбутися 21 лютого, але навіть якщо підсумувати її показники за першими трьома кварталами 2023 фінансового року та попередні оцінки четвертого, виявляється, що досягнутий Nvidia обсяг продажів у 58,82 млрд дол. виводить її лише на друге місце.
Парадоксальність нинішньої ситуації полягає в тому, що лідером напряму є контрактний виробник, який не має своїх власних чипів, а випускає їх для таких своїх клієнтів, як AMD, Apple й та ж Nvidia. А це означає, що такого видатного результату з обігу було досягнуто виключно завдяки вартості виробництва, а не інтелектуальної власності, закладеної в розробку мікросхем.
Крім того, варто відзначити й той факт, що провідне становище TSMC за підсумками року стало результатом успішної роботи компанії протягом попередніх шести кварталів, протягом яких цей виробник випереджав і Intel, і Samsung.
TSMC також показала чудові результати в частині операційного прибутку протягом восьми кварталів поспіль з показником 8,16 млрд дол. проти 2,59 млрд дол. в Intel і втрат Samsung у розмірі 1,86 млрд дол.
Завдання організації бездротового підключення на великих дистанціях може бути вирішене за допомогою обладнання з підтримкою специфікації 802.11ah.
Стандарт HaLow (802.11ah) був анонсований у 2016 році та працює в діапазонах частот біля 900 МГц, які не потребують ліцензування. Практичне тестування його можливостей за дальністю було проведено нещодавно компанією Morse Micro. Як майданчик було обрано набережну Сан-Франциско. За результатами випробувань з'ясувалося, що максимальна дистанція роботи бездротового каналу досягла 3000 м.
Швидкість з'єднання під час тестування Morse Micro варіювалася від 11 Мбіт/c на відстані 500 метрів до 1 Мбіт/c на максимальній дальності в три кілометри, при чому цього було достатньо для підтримки відеодзвінка.
Варто зазначити, що ці результати були отримані попри перешкоди, створювані навколишнім міським простором. Оскільки подібні пристрої Wi-Fi з наддалеким радіусом дії насамперед призначені для Інтернету речей (IoT), а не для мультимедіа через нижчі швидкості, дане досягнення дає змогу припустити, що Wi-Fi HaLow - рішення для бездротового зв'язку дальнього радіуса дії.
Використання інтелектуальних помічників у керуванні автомобілем - один із найперспективніших напрямків сучасної ІТ-сфери.
Здавалося б, ще недавно головним помічником у поїздках були паперові карти, які вже успішно витіснили навігатори. Схоже, що наступним етапом розвитку в цьому напрямку можуть стати кругові голографічні дисплеї, які в реальному часі відображають ситуацію навколо автомобіля. Над таким проєктом працюють дослідники з Університетів Кембриджа, Оксфорда та Університетського коледжу Лондона (UCL) спільно з Google. Створюване ними рішення дає змогу виводити на голографічний дисплей дані з лазерного 3D-сканера і LiDAR для створення 3D-представлення вулиць Лондона.
Система може проектувати голографічні зображення дорожніх перешкод, прихованих з поля зору водія, що збігаються з реальним об'єктом за розміром і відстанню. Наприклад, дорожній знак, закритий від огляду великою вантажівкою, буде відображатися у вигляді 3D-голограми, щоб водій точно знав, де розташований знак і яку інформацію він відображає.
"Ідея наголовного дисплея полягає в тому, щоб тримати очі водія піднятими, адже навіть частки секунди, коли він не дивиться на дорогу, достатньо для аварії", - каже дослідниця Яна Скірнєвськая (Jana Skirnewskaja) з інженерного факультету Кембриджа. "Однак, оскільки це двовимірні зображення, що проектуються на невелику ділянку лобового скла, водій може дивитися на зображення, а не на дорогу перед собою".
"Ми хочемо проектувати інформацію в будь-якому місці в полі зору водія, але так, щоб вона не була пригнічувальною і не відвертала", - сказала вона. "Ми не хочемо надавати інформацію, яка не має прямого стосунку до поточного завдання водіння".
Дослідники протестували систему, просканувавши Малет-стріт у кампусі UCL у центрі Лондона. Інформацію з хмари точок LiDAR було перетворено на багатошарові 3D-голограми, що складаються з 400 тис. точок даних. Концепція проєктування оцінки перешкод на 360° для водіїв була заснована на ретельній обробці даних, що забезпечує чітку видимість глибини кожного об'єкта.
Дані хмари точок, зібрані за допомогою лазерного 3D-сканера, перетворюються на багатошарові об'єкти 3D-поля відтворення, що складаються з 400 тис. точок. Для створення голограм у реальному часі використовували графічний процесор, що дало змогу в 16,6 раза скоротити час обробки порівняно з CPU, а голографічні проєкції було отримано за допомогою просторового модулятора світла (SLM) (3840×2160 px) і віртуальних лінз Френеля. Це дало можливість збільшити поле зору водія до 25×36 мм.
Важливо, що сканування може надавати динамічну інформацію, оскільки ситуація на жвавих вулицях постійно змінюється.
"Зібрані нами дані можна передавати та зберігати в хмарі, щоб до них мали доступ усі водії, які проїжджають повз, - це як складніша версія навігаційних застосунків, які ми використовуємо щодня для отримання інформації про дорожні обставини в режимі реального часу", - каже Скирневська. "Таким чином, система динамічна і може адаптуватися до мінливих умов, коли небезпека або перешкоди переміщаються по вулиці".
Ключова розробка полягає в забезпеченні огляду на 360° шляхом вибору точок даних з окремих сканів конкретних об'єктів, як-от вантажівки або будівлі, що дає змогу проводити комплексну оцінку дорожніх небезпек.
"Ми можемо сканувати до 400 тис. точок даних для одного об'єкта, але це доволі багато інформації та ускладнює процес сканування, вилучення та проєктування даних про цей об'єкт у реальному часі", - каже Скирневська. "Усього 100 точок даних дають нам змогу дізнатися, що це за об'єкт і якого він розміру. Нам потрібно отримати достатньо інформації, щоб водій знав, що його оточує".
Наразі дослідники співпрацюють з Google, щоб розробити технологію і протестувати її в реальних автомобілях. Вони сподіваються провести дорожні випробування, як на громадських, так і на приватних дорогах, у 2024 році.
Компанія Kepler, виробник роботів, повідомила про плани продемонструвати на CES 2024 свою нову розробку - гуманоїдний пристрій Forerunner висотою 178 см і масою 85 кг.
З появи поняття "робот" у творчості Карела Чапека малося на увазі, що це якась подоба людини, здатна легко впоратися з усіма завданнями, з якими традиційно доводиться мати справу людям. А з бурхливим розвитком технології штучного інтелекту з'явилася можливість створювати роботів, які не тільки зовні схожі на людину, а й здатні вести спілкування як людина. Якраз таке рішення і було створено конструкторами Kepler.
Робот загального призначення Kepler Forerunner (або Kepler Humanoid Robot) вирізняється наявністю інтелектуальної та спритної руки з 12 ступенями свободи. Усе тіло робота має до 40 ступенів свободи, що забезпечує такі функції, як навігація складним рельєфом, інтелектуальне уникнення перешкод, гнучке керування руками, підіймання та перенесення важких вантажів, зорово-моторна координація та інтелектуальний інтерактивний зв'язок. В основі цих можливостей лежить система, подібна до Optimus від Tesla, що використовує планетарний ролико-гвинтовий привід і технологію обертових приводів. Це дає змогу роботу демонструвати складні рухи тіла, гнучке управління руками та розвинене візуальне сприйняття.
Робот-гуманоїд Kepler націлений на те, щоб використовувати автоматизований інтелект у різних галузях, включно з інтелектуальним виробництвом, логістикою, освітою, науковими дослідженнями, інтелектуальними інспекціями, завданнями з підвищеним ризиком і роботою на відкритому повітрі. Технологічні досягнення, продемонстровані в його дебютному відеоролику, викликали бурхливі обговорення у світі робототехніки.
Співзасновник дослідницького робота Kepler Дебо Ху зазначив: "Гуманоїдний робот Kepler покликаний зробити революцію в продуктивності праці за допомогою передових технологій, прискорюючи настання "триденного робочого тижня". Це дасть змогу людям приділяти більше часу значущим починанням, таким як освоєння космосу. Наша мета - щоб робот Kepler став першопрохідцем у посадці на екзопланету Kepler, проклавши шлях до другого дому для людства".
За заявою виробника, серію гуманоїдних роботів Kepler, що стала результатом трьох років інтенсивних досліджень і чотирьох ітерацій продукту, запустять у масове виробництво і почнуть постачати в 3 кварталі 2024 року за ціною близько 30 тис. дол. Пан Ху, співзасновник компанії Kepler Exploration Robot, публічно висловив зацікавленість у співпраці із суміжними гравцями в індустрії людиноподібних роботів.
Як зазначається, центральне місце в роботі Kepler посідають запатентовані планетарний роликовий гвинтовий привід і роторний привід, які є ключовими для динамічного руху кінцівок робота-гуманоїда Forerunner. Планетарний ролико-гвинтовий привід, який використовується для управління кінцівками робота, забезпечує тягу в 8000 Н. Він перевершує звичайні двигуни за точністю управління, підвищеною потужністю і швидкістю реакції, вміло справляючись зі складними завданнями. Крім того, поворотний привід, встановлений у талії та суглобах, досягає пікового крутного моменту 200 Нм і точності позиціювання 0,01 градуса, забезпечуючи надійну підтримку руху тулуба і гарантуючи ефективну та стабільну роботу.
Крім того, рука робота-гуманоїда Kepler з 12 ступенями свободи може відчувати й акуратно захоплювати предмети, в точності імітуючи людську руку. Запатентована система NEBULA наділяє робота когнітивними здібностями у сприйнятті навколишнього світу, забезпечуючи точне розуміння довкілля та адаптивність, що дає змогу точно орієнтуватися і досліджувати складні ділянки місцевості. Інвестиції Kepler у втілений інтелект для великомасштабних моделей роботів покликані підняти когнітивні здібності робота до рівня, подібного до людського.
Одночасно з випуском робота компанія Kepler представила платформу для розробників, оснащену комплексними інтерфейсами розроблення, еталонними проєктами та великою документацією. Платформа також підтримує спільну роботу декількох роботів і пропонує потужні онлайн-інструменти для розробки та налагодження.
