граничні обчислення

Deploying small language models (e.g., SLMs) on edge devices has become increasingly viable due to advancements in model compression and efficient inference frameworks. Running small models offers significant benefits, including privacy through on-device processing, reduced latency, and increased autonomy. This paper conducts a comparative review and analysis of Node.js inference frameworks that operate on-device. It evaluates frameworks in terms of performance, memory consumption, isolation, and deployability.

the goal of this article is to present evaluation results for a proposed modification of the Artificial Potential Field Method (APFM). The mathematical model employs Laplace functions to compute repulsive fields to simplify calculations. Additionally, the study introduces a comprehensive evaluation framework using Gazebo and ROS2, designed to test various obstacle avoidance algorithms in simulated environments. Experiments have been conducted in a virtual room containing static obstacles of diverse shapes.

У роботі представлені підходи до створення автоматизованої інтернет-доступної лабораторії напівпровідників, зокрема керуючого програмного комплексу, що забезпечує інтернет-доступність лабораторії. Описано функціонал і структуру програмно-апаратного комплексу, розробленого з урахуванням відомих рішень, а також варіанти його реалізації з використанням інтернету, хмарних і граничних обчислень. Розглянуто варіанти локальної реалізації з підвищеною стійкістю до форс-мажорних факторів і кіберзагроз.