本文基于高通跃龙IQ-9100工业机器人平台，开发了一套完整的视觉引导抓取系统。系统采用"眼-手"协作架构，利用NPU加速的YOLOv8n-seg模型实现目标检测与实例分割，结合深度图进行抓取姿态估计。通过手眼标定建立视觉与机械臂的坐标映射，使用MoveIt2进行运动规划和碰撞避免，最终通过CAN-FD接口驱动6-DOF机械臂完成精准抓取。文章详细介绍了系统架构、硬件配置及基于

搭载骁龙 X2 Elite（X2E-96-100）的轻薄本，18 核 Oryon CPU + 85 TOPS Hexagon NPU，这配置不拿来跑本地 AI 简直是浪费。本文从介绍WSL2 安装 + Ubuntu ARM64 基础环境配置开始，到Ollama 本地大模型部署与优化，再到利用Open WebUI + Continue.dev 打造本地 AI 编程助手

本文基于骁龙X2 Elite（Windows 11，32GB内存）构建了一套完全离线的本地RAG知识库问答系统。第一篇完成环境搭建：安装Python 3.10与Miniconda，部署Ollama并拉取qwen2.5:7b模型，第二篇编写build_index.py批量入库5个Markdown文档，按chunk_size=500、chunk_overlap=50切分为47个片段通过Prompt策略

本项目在骁龙X2-Elite（Windows 11 ARM64）笔记本上，成功搭建了一套完全离线、可直接投入办公使用的会议纪要自动化闭环系统。全文分为两大阶段，核心逻辑是“先转写，后整理”。这套链路完全抛弃云端依赖，具有足够轻（脚本简单）、足够稳（阶段分离、格式固定）、足够实用（直接适配周会、复盘会、客户沟通会）的特点。至此，X2-Elite从“能跑模型”进阶为“能承担完整办公场景”的生产力工具，

本文介绍了一种基于大模型的本地化数据分析方案，使用Ollama和qwen2.5:7b模型在骁龙X2 Elite设备上实现自然语言查询数据。方案包含以下核心内容： 环境配置：在X2 Elite笔记本（32GB内存）部署Ollama，加载qwen2.5:7b模型用于代码生成 工作流程：用户输入自然语言问题→模型生成Pandas代码→沙箱执行→返回结果 关键技术：自动图表生成（根据数据特征选择图表类型）

工业机器人的安全功能（如急停、制动、限速）需要确定性响应，不能依赖可能卡顿的通用Linux系统。高通的解决方案是在主SoC外设置物理隔离的安全岛，内含锁步双核微控制器，独立时钟/电源/看门狗，符合IEC61508 SIL3标准。 安全岛与主SoC分工明确：主系统处理复杂计算（如Linux/ROS2），安全岛专责安全功能，通过受限通道通信。锁步双核通过错开两拍执行同一代码并逐拍比对，检出瞬态/永久硬

摘要 高通SensorHub（SLPI/SSC子系统）通过独立低功耗微控制器（Hexagon DSP）管理传感器数据采集与处理，大幅降低工业机器人和边缘设备的功耗。核心机制包括：1）Island Mode——独立电源域与时钟域，支持主CPU深度休眠时持续采集；2）数据闭环处理——在SLPI侧完成阈值判断、批处理（Batching）和简单算法，仅关键事件唤醒主CPU；3）独立总线控制——SLPI专用

本文提出了一种分层架构方案，用于解决工业机器人和智能相机外设开发中的实时性、稳定性和功耗管理难题。方案基于Linux标准设备模型（V4L2、SocketCAN、IIO）与Hexagon DSP协同处理，重点规划了三大外设类型（I²C/SPI传感器、CAN-FD、MIPI相机）的实现路径：1）通过DeviceTree规范硬件描述，采用regmap和子系统标准化驱动；2）利用SocketCAN原生网络

高通推出三款边缘计算平台QRB5165、IQ-9075和IQ-9100，满足工业机器人、智能相机等场景的异构算力、低功耗、功能安全和长生命周期需求。QRB5165基于骁龙865，适用AMR和工业相机；IQ-9075优化多路视觉处理，功耗更低；旗舰IQ-9100具备安全岛和锁步双核MCU，符合SIL3安全标准。文章详细对比了三款平台的硬件规格，并提供了从注册开发者账号到编译BSP的完整流程，包括内核

摘要： 本文展示了在Snapdragon X2 Elite NPU上部署Stable Diffusion 3（SD3）的完整流程，重点解析其DiT（Diffusion Transformer）架构优势及性能表现。SD3采用双文本编码器（CLIP-L + T5-XXL）和Transformer加速硬件设计，X2 Elite的Hexagon V77 NPU凭借专用注意力层单元，实现SD3 Medium