# 自主边缘——嵌入工业应用中的智能 - 原标题：The Autonomous Edge – Intelligence Embedded in Industrial Applications - 类型：书籍 - 来源：doi.org - 发布时间：2026-10-27 - 首次精选：2026-10-27 16:18 - 分级：值得看 - 学习层级：深入 - 主题：[inference-hardware-memory]()（第 18 位）、[robotics-world-models]()（第 29 位）、[local-model-deployment]()（第 53 位） - 原文链接：[https://doi.org/10.1201/9788743815273]() - 本站页面：[https://oplearnx.com/resources/pk\_cdf40c9311fb]() ## 摘要 这是一本由 Taylor & Francis 出版的开放获取图书，作者为 Vermesan, Ovidiu 与 Pijlman, Fetze，出版信息只给到 2026 年。书中汇集多学科研究者与实践者的文章，讨论人工智能、边缘计算、自主系统与工业应用交汇处的技术变化，包括智能从云端向车辆、机器人、制造系统、智慧城市与嵌入式设备迁移，以及在延迟、能耗、隐私、安全与实时性约束下的边缘 AI 设计，主题词涉及软件定义汽车与联邦学习。 ## 概览 - 难度：进阶 - 语言：英文 - 规模：304 页 · 14 章 - 费用：免费 ## 学完你能 - 理解边缘 AI、自主系统与工业应用交叉处的技术格局，以及智能从云端向边缘设备迁移的趋势。 - 说明延迟、能耗、隐私、安全、可靠性与实时性约束下边缘 AI 系统的设计思路。 - 识别轻量神经网络、视觉 Transformer、图神经网络、持续学习、数字孪生、语义建图、多模态感知等关键技术。 - 描述从孤立边缘 AI 模型走向集成、自适应、自主边缘智能架构的路径。 - 了解边缘 AI 在汽车、机器人、智能制造、智慧城市、关键基础设施等场景的落地经验。 - 认识自主系统在透明度、责任归属、伦理决策、鲁棒性与可信度方面的挑战。 ## 适合你吗 - 适合：从事边缘 AI 或自主系统研发的工程师与架构师。 - 适合：关注工业数字化与嵌入式智能的研究人员。 - 适合：需要评估下一代智能工业系统方案的技术决策者。 - 适合：对边缘计算与嵌入式 AI 部署感兴趣的计算机专业读者。 - 暂不适合：完全没有机器学习与计算机系统基础的初学者。 - 暂不适合：希望获得系统化授课、习题与考核安排的学习者。 - 需要先会：需具备机器学习与计算机系统（边缘计算、嵌入式部署）方面的基础知识。 ## 本书特点 - 内容侧重：以边缘 AI、自主系统与工业应用的交汇为主线，覆盖硬件加速、嵌入式优化、通信基础设施、可解释边缘 AI 与实时处理，并讨论透明度、责任、伦理、鲁棒性与可信度。 - 练习与项目：各章结合理论基础、实现经验与实验验证，属案例与经验分享型内容，无作业或考试安排信息。 - 费用说明：开放获取图书，可免费合法阅读。 ## 目录 1. 第 1 章 AI 定义汽车：AI 与自主系统的融合 2. 第 2 章 从复杂到高效：视觉 Transformer 剪枝实践 3. 第 3 章 面向边缘应用的 BlueField-3 RDMA 卸载 GStreamer 插件 4. 第 4 章 动态制造中无监督视觉异常检测的设备端持续学习 5. 第 5 章 GPU 内基于图神经网络的入侵检测系统 6. 第 6 章 大规模 LiDAR SLAM 中视觉-语言嵌入用于地形分割 7. 第 7 章 目标类别对神经网络可压缩性的影响：能源自主鸟类监测 8. 第 8 章 当单一模型不够：超安全 PCBA 缺陷检测的互补 AI 流水线 9. 第 9 章 面向自动驾驶车辆道路事故的自动化责任判定 10. 第 10 章 面向实时车辆重识别的边缘优化模块化架构 11. 第 11 章 智慧城市基础设施的多任务视觉模型边缘部署 12. 第 12 章 智慧城市中部署武器检测器的经验 13. 第 13 章 智慧城市边缘 AI 电动滑板车行为克隆的 3D 仿真框架 14. 第 14 章 面向异常预测的边缘 AI 轻量数字孪生：加氢站数据案例 --- 来源：LearnMap · 学径（https://oplearnx.com）