NVIDIAは8月25日、ゲートウェイエッジAI、ロボティクス、流通、検査ドローン、視覚AIシステムを目指したJetson Orin Nano 2ロボットコンピュータを発売しました。 正式な仕様には、Jason Orin Nano Superと比較して、毎秒78兆演算、8GBのRAMと8nucleary腕CPUが含まれますが、推論性能は2つの要因に増加し、外のサイズは変更されません。 15ワットのモデルでは、同じ性能で動作する時間で40セントで減少します。

製品が今「宣言」であり、一般に公開されていないという事実に特に重点を置く必要があります。 NVIDIA は、2027 年の最初の半分にモジュールと開発パッケージがリストされていることを示しています。 Cognex, Doosan Bobcat と Matic は、Wing が製品を評価するために計画されている間に、最初の企業の中で採用または探索していました。 「exploration」の「プラン評価」は異なる状態にあり、配備として均一に書かれていない可能性があります。 価格、販売の特定の日付、またはすべての地域の供給の手配は現在利用可能です。

78TOPSは、ロボット全体の能力ではありません。 メモリとソフトウェアは、モデルが本当に機能しているかどうかを決定します。

TOPSは、特定の精度で秒単位で実行できる動作量を測定し、チップのピークを記述するのに適していますが、ロボットはカメラ、センサーの統合、位置決め、計画、言語の相互作用、セキュリティ制御を同時に処理する必要があります。 78TOPSは、全てのモデルは同じ速度で実行できるわけではなく、ミッションの精度を直接装備することはできません。 モデル構造、量子化、メモリ占有とデータ削除は、理論的計算よりも早くボトルネックを作成します。

8GBメモリは、デバイスが直接データセンターレベルのスーパーモデルを運ぶのではなく、圧縮された小型および中型モデルに適したことを決定します。 NVIDIA は、最適化されたオープンモデルの Cosmos、Nemotron、Gemma 4、Qwen 3 をリストしていますが、各モデルは、適切なパラメータサイズと精度を選択する必要があります。 開発者は、カメラストリーム、システムプロセス、および複数のモデルの同時操作のためのスペースを設定する必要があります。 いわゆる「最先端のAI機能」は、新しい世代のモデルロードの動作を可能にするために理解すべきであり、それは、任意の先物モデルは、機器に完全にロードすることができることを意味しません。

パワー消費量の決定は、モバイルロボットにとって特に重要です。 電池容量が限られている場合、保存される各ワットの計算はより長い、より小さいヒーターまたはより多くのセンサーの予算に翻訳されるかもしれません。 ただし、前世代のパフォーマンスと比較して、全負荷ダウン電力消費量を40パーセント削減する「15ワットモデルあたりの40パーセント低下」が制限されています。 電力、カメラ、通信、電力消費はエネルギーを消費し続け、実際の更新は完全な機械テストを要求します。

同じ形状を維持すると、パートナーがシェルとパネルの設計に従うのに役立ちますが、古いモジュールは無条件にアップグレードできるわけではありません。 インターフェイス、電源、熱分散、固体およびJetPackバージョンが検証されています。 NVIDIAは、いくつかのボード、ハードウェアシステム、および参照プログラムパートナーをリストし、実際にロボットを入力する製品、モジュールの周りの完全なエンジニアリングエコロジーが必要であるという事実を反映しています。

境界線推論の値はリアルタイムとローカル制御ですが、セキュリティ認証は省略できません。

装置の感覚と推論の完了は、クラウドの継続的なアップロードに関連する遅延、帯域幅およびプライバシー圧力を減らすことができます。 家庭用クリーナーロボットは、人、ジェスチャー、オブジェクトを動的空間で理解する必要があります。 ドローンは、接続が不安定なときに障壁や点を識別する必要があります。 産業視覚システムは生産ラインの速度で判断する必要があります。 これらのシナリオはミリ秒応答を必要とし、エッジ計算はリモートコールよりも信頼性が高くなります。

マティックは、新しいモジュールが対話、ハンドプリントテスト、ファインマップ、セマンティックな理解、セルフクリーニングをサポートする予定であることを示しました。 翼は、よりリアルタイムでエネルギー効率の高いドローンの意識と推論を探求しています。 どちらも、潜在的な作業負荷を示しているが、最終的な安全や商用の有効性を保証するものではありません。 国内使用や空気ロボットの故障のコストとは異なり、モデル出力は確実な制御層、センサーの相互認証と安全遮断機構に従わなければなりません。モデルの生成は、すべての制御ロジックの直接代替することはできません。

NVIDIA は、すでに 3 万人を超える開発者がロボットソフトウェア倉庫を使用すると主張しています。 大規模な開発者ベースは、新しいモジュールのソフトウェアマイグレーションのコストを削減することができますが、環境規模は各プロジェクトのために生成されたボリュームと等しくありません。 デモから製品まで、ロボットはデータ収集、長期信頼性、認証、アフターセールス、コストのしきい値を渡します。 パッケージの開発はプロトタイプのために適切であり、最終的な装置は通常カスタマイズされたパレット、センサーおよび力の設計を要求します。

開発チームにとって、モデルメモリ、エンドツーエンドの遅延と障害境界は、TOPS予約構造だけでなく、リストの待ち時間の間に確認する必要があります。 既存のJetsonプラットフォームで定量化と性能の画像が完成し、Nano 2 ' s の追加計算が実際のボトルネックに取り組むかどうかを評価することができます。 ボトルネックがカメラ、ストレージ、または制御アルゴリズムから来ている場合は、チップの変更は必ずしも二重システムアップグレードでは発生しません。

ジェイソン・オリン・ナノ2のポジショニングは、コンパクトで低容量、より強力な世代と視覚的な言語モデルのためのエントリーレベルのプラットフォームです。 その技術的なパラメーターと協同の最初のケースは懸念していたが、製品が2027年半ばまでリストされないと予想されていました。 実際のテストは、ボリューム価格、パッケージの開発、実際のモデルベンチマーク、全体的なパワー消費量、および単一ピーク図ではなく、長期サイト上のロボットの信頼性から来られます。

出典:NVIDIA、NVIDIA Innocent Orin Nano 2 ロボティクスカンパニー、Redefine Entry-Level Edge AI、25 8月 2026、https://nvidianews.nvidia.com/news/nvidia-announces-jetson-orin-nano-2-robotics-computer-to-redefine-entry-lever-edge-ai