{"id":163614,"date":"2026-03-09T17:12:00","date_gmt":"2026-03-09T15:12:01","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/proekt-arduino-predstavil-odnoplatnyj-kompyuter-ventuno-q"},"modified":"2026-03-09T17:12:00","modified_gmt":"2026-03-09T15:12:01","slug":"proekt-arduino-predstavil-odnoplatnyj-kompyuter-ventuno-q","status":"publish","type":"post","link":"https:\/\/prohoster.info\/de\/blog\/news\/proekt-arduino-predstavil-odnoplatnyj-kompyuter-ventuno-q","title":{"rendered":"Das Projekt Arduino hat den Einplatinencomputer VENTUNO Q vorgestellt","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Das Projekt Arduino, das im vergangenen Jahr von Qualcomm \u00fcbernommen wurde, hat den Einplatinencomputer VENTUNO Q angek\u00fcndigt, der einen STM32H5F5-Mikrocontroller und einen Qualcomm Dragonwing IQ8-Mikroprozessor mit integrierten GPUs und einem KI-Beschleuniger in einem Ger\u00e4t vereint. Der Hauptzweck der Platine besteht darin, autonome KI-Ger\u00e4te zu schaffen, die in der Lage sind, Aufgaben des Computer Vision zu l\u00f6sen und Modelldurchf\u00fchrungen des maschinellen Lernens unabh\u00e4ngig auszuf\u00fchren. <\/p>\n
Zu den Anwendungsbeispielen von VENTUNO Q geh\u00f6ren die Erstellung von Robotern, intelligenten Kiosken, Verkehrsanalyseger\u00e4ten, Gesundheits\u00fcberwachungsassistenten und Qualit\u00e4tssicherungssystemen in Unternehmen. Bei Anschluss eines Monitors, einer Tastatur und einer Maus kann die Platine als Entwicklungsarbeitsplatz verwendet werden, der die Ausf\u00fchrung von Arduino App Lab unterst\u00fctzt. Das Ger\u00e4t ist kompatibel mit Erweiterungsplatinen und Zubeh\u00f6r, die bereits f\u00fcr die Arduino UNO-Platinen hergestellt werden. Das Verkaufsdatum und der Preis von VENTUNO Q wurden noch nicht bekannt gegeben. <\/p>\n
Der Qualcomm Dragonwing IQ8-Mikroprozessor (IQ-8275) umfasst einen 8-Kern-CPU Arm Cortex, GPU Arm Cortex A623 (877 MHz), einen Bildverarbeitungsprozessor (ISP) Qualcomm Spectra 692 und einen KI-Beschleuniger (NPU) Hexagon Tensor AI mit einer angegebenen Leistung von 40 Billionen Operationen pro Sekunde. Das System ist mit 16 GB RAM und einem 64 GB eMMC-Speicher ausgestattet. Ein M.2-Anschluss f\u00fcr NVME Gen.4-Speicherger\u00e4te steht zur Erweiterung des permanenten Speichers zur Verf\u00fcgung. Die Unterst\u00fctzung f\u00fcr die Ausf\u00fchrung von Ubuntu und Debian ist angegeben. <\/p>\n
Der STM32H5F5-Mikrocontroller verf\u00fcgt \u00fcber einen Arm Cortex M33 250MHz-Kern, 4 MB Flash-Speicher und 1,5 MB RAM. Die Ausf\u00fchrung von RTOS Zephyr wird unterst\u00fctzt, ebenso wie die vollst\u00e4ndige Kompatibilit\u00e4t mit dem Betriebssystem ROS 2 (Robot Operating System 2) und den Werkzeugen von Arduino App Lab. F\u00fcr den Anschluss von Peripherieger\u00e4ten, Sensoren und Schrittmotoren stehen GPIO-, PWM- und CAN-FD-Schnittstellen zur Verf\u00fcgung. <\/p>\n
Dar\u00fcber hinaus ist die Platine mit Wi-Fi 6 2.4\/5\/6 GHz, Bluetooth 5.3, 2.5Gbit Ethernet (RJ45), HDMI f\u00fcr den Anschluss eines Monitors, MIPI DSI f\u00fcr den Anschluss von Touchscreens und interaktiven Tafeln, drei MIPI CSI-Anschl\u00fcssen f\u00fcr Kameras, USB-C mit Unterst\u00fctzung f\u00fcr Monitor- und Kameraverbindungen, zwei USB 3.0 Typ A, zwei USB 3.0 und einem Audioausgang ausgestattet. Die Gr\u00f6\u00dfe betr\u00e4gt 160 x 100 x 25,8 mm.
<\/center> <\/p>\n
Es wird davon ausgegangen, dass der Mikroprozessor Qualcomm Dragonwing IQ8 verwendet wird, um das Betriebssystem zu starten und KI-Modelle auszuf\u00fchren, w\u00e4hrend der Mikrocontroller STM32H5F5 f\u00fcr die Steuerung der Motoren und die Echtzeitanalyse von Sensordaten verantwortlich ist. Eine fertige RPC-Bibliothek (Remote Procedure Call) steht zur Interaktion mit dem Mikrocontroller unter Linux zur Verf\u00fcgung. <\/p>\n
F\u00fcr das NPU werden fertige Bibliotheken f\u00fcr die lokale Ausf\u00fchrung von Modellen des maschinellen Lernens angeboten, wie zum Beispiel Qwen f\u00fcr die lokale Verarbeitung von Anfragen in nat\u00fcrlicher Sprache, Qwen VLM f\u00fcr die Texterkennung, die Objekterkennung in Bildern und die Szenenbeschreibung, Melo TTS und Whisper f\u00fcr die Spracherkennung und Transkriptionserstellung, MediaPipe f\u00fcr die Erkennung von Steuerungsgesten und die Nachverfolgung von Handbewegungen, YOLO-X f\u00fcr die Nachverfolgung von Bewegungen von Personen, Fahrzeugen und Objekten vor der Kamera sowie PoseNet zur Bestimmung der menschlichen Pose.
![\"Das](\"\/wp-content\/uploads\/2026\/03\/595ff3db67ecafea171d6d7a71fb9a80.png\")
<\/center> <\/p>\n![\"Video](\"https:\/\/img.youtube.com\/vi\/SzT6vDtz6rU\/hqdefault.jpg\")
\r\n