{"id":183303,"date":"2026-09-09T22:54:22","date_gmt":"2026-09-09T20:54:22","guid":{"rendered":"https:\/\/prohoster.info\/blog\/news\/axonos-real-time-os-dlya-nejrokompyuternyh-interfejsov"},"modified":"2026-09-09T22:54:30","modified_gmt":"2026-09-09T20:54:30","slug":"axonos-real-time-os-for-brain-computer-interfaces","status":"publish","type":"post","link":"https:\/\/prohoster.info\/da\/blog\/news\/axonos-real-time-os-for-brain-computer-interfaces","title":{"rendered":"AxonOS \u2014 realtids-OS til neurocomputergr\u00e6nseflader","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Det \u00e5bne projekt AxonOS er pr\u00e6senteret, som udvikler softwareinfrastruktur til systemer med hjerne-computer-gr\u00e6nseflade, designet til at opbygge et deterministisk udf\u00f8relseslag mellem neuralt hardware og AI. AxonOS-kernen udvikles p\u00e5 Rust-sprog i \"no_std\"-tilstand med fokus p\u00e5 forudsigeligt real-time udf\u00f8relse, formaliseret ABI for systemopkald, capability-baseret adgangsmodel, uden behov for IPC-l\u00e5sninger og kontrol af udf\u00f8relsestid. Kildekoden er \u00e5bent tilg\u00e6ngelig under MIT- eller Apache 2.0-licenser. <\/p>\n
Projektet inkluderer en kerne\/runtime, BCI-integration, arkitektoniske specifikationer, en model for bevilgning af rettigheder baseret p\u00e5 eksplicitte brugeraccept (consent\/permissions) og v\u00e6rkt\u00f8jer til real-time analyse. I \u00f8jeblikket udvikles AxonOS til ARM Cortex-M processorer og er i gang med verifikation af driften p\u00e5 hardware og uafh\u00e6ngig kontrol af real-time egenskaber. Arkitekturen for AxonOS betragter hjerne-computer-gr\u00e6nseflader som et fler niveau-system: hjerne-computer-enhed \u2192 HAL \u2192 deterministisk runtime \u2192 IPC \u2192 adgangsmodel permissions\/consent \u2192 lag for applikationer og AI. <\/p>\n
Hovedid\u00e9en med projektet er at skabe et kontrolleret udf\u00f8relseslag for applikationer, der fungerer mellem hjerne-computer-enheden og AI, hvor kravene til determinisme, isolation, adgang til neurale data og responstid er en del af systemarkitekturen og ikke en funktion af applikationen. Et s\u00e6rskilt fokusomr\u00e5de i projektet er at analysere maksimum udf\u00f8relsestid for anmodninger (WCRT, Worst-Case Response Time) til opgaver med faste prioriteter. Til dette udvikles et uafh\u00e6ngigt v\u00e6rkt\u00f8j \"dy-wcet\" - en \"no_std\" Rust crate-pakke, som er implementeret uden brug af flydende punkt-operationer. \n Kilde: opennet.ru<\/a> <\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"