Arduino UNO Q im Hands-On: Intelligent dank Qualcomm und auch ein Desktop-System wie der Raspberry Pi

Der Arduino UNO Q lässt sich über USB Typ C ansprechen. Mithilfe eines USB-Hubs ist es möglich, einen Bildschirm anzuschließen, die Platine mit elektrischer Energie zu versorgen und Tastatur und Maus zu nutzen. Die Anbindung von Peripheriegeräten wie etwa einer USB-Kamera oder auch Mikrofon ist möglich. Dass nur ein USB-Anschluss vorhanden ist, kommt natürlich den Abmessungen zugute und ist beim Embedded-Einsatz unschädlich, erfordert aber im Desktop-Betrieb eben immer einen Hub. Als Betriebssystem kommt Debian mit der leichtgewichtigen XFCE-Oberfläche zum Einsatz. Schnell ist klar: Zumindest in der von uns getesteten Version mit 2 Gigabyte RAM ist die Nutzung mit Linux relativ zäh, aber gerade noch akzeptabel möglich. Die Wiedergabe von Medieninhalten etwa ist nicht sinnvoll möglich, tatsächlich als Desktop-PC ist der Arduino UNO Q nicht nutzbar.

Vorinstalliert ist Arduino App Lab, welches über WiFi nach der Inbetriebnahme auch brav aktualisiert wird. Mit Arduino App Lab lassen sich Anwendungen erstellen, die sowohl den Qualcomm-SoC als auch die MCU nutzen. Was damit gemeint ist, wird sehr schnell beim Anschauen der vielen und recht gut erklärten Beispielanwendungen möglich: Es steht für eine Entwicklerplatine eine relativ hohe Rechenleistung zur Verfügung, womit sich auch KI-Anwendungen nutzen lassen. Vortrainierte Modelle etwa zur Bilderkennung stehen bereit, die Möglichkeiten einer klassischen Entwicklerplatine werden somit etwa um die Nutzung neuronaler Netzwerke erweitert.

Die sich möglicherweise insbesondere dem Endnutzer stellende Frage nach dem Sinn lässt sich am ehesten an einem wahrscheinlich nicht ganz praxisfernem Beispiel erklären, auch wenn sich der Arduino UNO Q natürlich nicht an den typischen Endnutzer richtet. Man stelle sich ein kleines Unternehmen vor, welches den Warentransport von einem Verpackungsautomaten in die Logistik teilweise automatisiert hat. Ob das Produkt korrekt eingepackt oder etwa ein Etikett korrekt angebracht wurde, wird aktuell händisch von einer Person neben dem Fließband kontrolliert. Ein Arduino UNO Q könnte hier mindestens für eine Vorstudie eingesetzt werden, um diese Qualitätskontrolle zu automatisieren. So kann der Arduino UNO Q über eine USB-Kamera die Produkte auf dem Fließband aufnehmen und Verpackungsfehler detektieren. Wird ein Fehler erkannt, wird dies zu statistischen Zwecken in eine Datenbank geschrieben und ein Mitarbeiter informiert. Sogar ein Schritt mehr ist denkbar: Der Arduino UNO Q könnte dann einen Aktor ansteuern, der das fehlerhafte Produkt vom Band schubst.

Eine solche Aufgabe klingt recht aufwendig und ist im Prinzip auch nicht trivial umzusetzen, allerdings bietet der Arduino UNO Q hier insbesondere zwei Vorteile: Das Arduino-Ökosystem ist groß, weitverbreitet, gut dokumentiert und existiert schon lange. Es ist sehr wahrscheinlich, dass die eigene Anwendung schon einmal von jemanden implementiert und womöglich sogar dokumentiert wurde. Der zweite, wohlgemerkt stärker subjektive Vorteil: Edge Impulse wird unterstützt. Dabei handelt es sich um einen Service beziehungsweise eine Plattform, mit welcher sich relativ einfach eigene Edge AI-Modelle realisieren lassen. Vereinfacht gesagt müsste im oben beschriebenen Fall auf Grundlage möglichst vieler Bilder der Produkte mit intakter und beschädigter Verpackung ein Modell trainiert werden, dieses lässt sich dann mit geringem Aufwand auf dem Arduino UNO Q ausführen. Diese lokale Nutzung von neuronalen Netzwerken bietet dabei natürlich elementare Vorteile, etwa auch in Bezug auf die Vertraulichkeit eventueller Firmengeheimnisse und die Nutzbarkeit unabhängig von einem weiterem Dienstleister oder nur schlicht einer stabilen Internetanbindung. Grundsätzlich ist diese Einsatzmöglichkeit aber kein echtes Alleinstellungsmerkmal, beispielsweise TensorFlow Lite ist auch auf den Raspberry Pi-Platinen nutzbar.

Ausdrücklich positiv erwähnen wollen wir hier noch einmal die im Arduino App Lab mitgelieferten Beispiele. Diese machen auch mit dem Brick-Konzept vertraut und erlauben relativ einfach Anpassungen. Arduino nutzt relativ intensiv die Möglichkeit, über ein Web-Interface etwa von einem Smartphone beispielsweise die Ergebnisse der Bilderkennung angezeigt zu bekommen. Nutzbar ist der Arduino UNO Q aber auch als gewöhnliche Entwicklerplatine unter Nutzung der Arduino IDE 2.0+, dann wird nur der MCU und nicht die Qualcomm-APU programmiert. Eine mögliche, vielleicht eher praxisrelevante Anwendung nur der MCU wäre die Realisierung eines eigenen Bewässerungssystems mit Feuchtigkeitssensoren und Pumpen. Die vortrainierten Modelle ließen sich dabei gut nutzen und konnten etwa bei der Bildanalyse und der Spracherkennung gute Resultate bieten. Allerdings stehen die Beispiele quasi stellvertretend für den Arduino UNO Q und sind als Einladung und Hilfe zu verstehen, eigene Projekte umzusetzen.