SPEAR (Масштабируемая платформа для реального времени ИИ-инференции на периферии) предназначена для управления полным жизненным циклом ИИ-инференции на периферии. Разработчики могут определять потоки данных, которые собирают сенсорные данные, видео или журналы через коннекторы к Kafka, MQTT или HTTP. SPEAR динамически развертывает контейнерные модели на рабочих узлах, балансируя нагрузку по кластеру и обеспечивая низкую задержку отклика. В ней реализовано встроенное управление версиями моделей, проверки состояния и телеметрия, что позволяет собирать метрики в Prometheus и Grafana. Пользователи могут применять пользовательские преобразования или оповещения с помощью модульной архитектуры плагинов. Благодаря автоматическому масштабированию и восстановлению после сбоев, SPEAR обеспечивает надежную аналитику в реальном времени для IoT, промышленной автоматизации, умных городов и автономных систем в разнородных средах.

IntelligentMASPlatform создавалась для ускорения разработки и развертывания систем с несколькими агентами, предлагая модульную архитектуру с отдельными слоями для агентов, окружения и сервисов. Агенты взаимодействуют через совместимую с FIPA коммуникацию ACL, что обеспечивает динамические переговоры и координацию. В платформу входит универсальный моделятор окружения, позволяющий моделировать сложные сценарии, планировать задачи агентов и визуализировать взаимодействия в реальном времени с помощью встроенной панели. Для расширенного поведения реализованы модули обучения с подкреплением и поддерживаются пользовательские плагины поведения. Инструменты развертывания позволяют упаковать агентов в автономные приложения или распределенные сети. Также API платформы обеспечивает интеграцию с базами данных, IoT-устройствами и сторонними сервисами ИИ, что делает её подходящей для исследований, промышленной автоматизации и умных городов.

Co-Sight — это открытая платформа искусственного интеллекта, которая упрощает разработку и развертывание решений анализа видео в реальном времени. Она предоставляет модули для сбора видеоданных, их предварительной обработки, обучения моделей и распределённого вывода как на периферийных устройствах, так и в облаке. Встроенная поддержка обнаружения объектов, классификации, отслеживания и оркестрации конвейеров обеспечивает низкую задержку при обработке и высокую пропускную способность. Модульный дизайн интегрируется с популярными библиотеками глубокого обучения и масштабируется благодаря Kubernetes. Разработчики могут определять конвейеры с помощью YAML, разворачивать с помощью Docker и отслеживать производительность через веб-панель. Co-Sight помогает создавать продвинутые системы видеонаблюдения для умных городов, интеллектуального транспорта и промышленного контроля качества, уменьшая время разработки и сложность эксплуатационных процессов.