Edge Node
学习监测对象的正常状态。
申请试用样机同为神经形态系统，学习方式也各有不同。
| RailMind | 固定报警阈值 | 云端模型 | 常见边缘 AI预先训练 | |
|---|---|---|---|---|
| 学习每台设备自身的正常状态 | 是 | 否 | 部分 | 否 |
| 安装后继续学习 | 是 | 否 | 部分 | 否 |
| 数据无需离开现场 | 是 | 是 | 否 | 是 |
| 无需故障标注数据 | 是 | 是 | 部分 | 部分 |
| 由您的团队决定何时暂停学习 | 是 | 不适用 | 否 | 不适用 |
「部分」：云端模型通常集中训练、分批更新，而不是在设备上学习；部分边缘 AI 只用正常数据训练。
受控可塑性我们的引擎在现场持续学习，神经调制层决定何时暂停——避免把故障当作新的正常状态。
了解受控可塑性 →技术
了解技术 →示意动画。
在设备上学习
设备利用监测对象自身的数据，就地建立模型。
无需训练数据
不需要标注故障样本，也不需要先花时间采集数据。
持续学习，由您掌控
设备老化、负载变化时，它都会随之适应；何时暂停、何时恢复学习，由您的团队决定。
为小型硬件而生
从一开始就面向低功耗微控制器设计，而不是由数据中心模型压缩而来。
多数监测系统仍依赖固定的报警阈值。设得太严，误报不断，久而久之没人再看；设得太宽松，又往往报得太晚。阈值漏掉的问题，还得靠人工巡检发现。
目前的应用
全部应用 →
我们实践过的场景
这些是我们通过数据分析、演示或合作项目接触过的场景，不公开具体名称。
常见问题
需要先有故障样本才能开始吗？ +
不需要。每台设备学习的是监测对象的正常状态。有历史故障记录更好，但并非必须。
会替换我们现有的监测系统吗？ +
不会。它与现有系统并行运行，原有的报警和巡检保持不变，便于您评估其补充价值。
能用我们已有的传感器吗？ +
很多情况下可以。Edge Node 可以通过线缆接入外部传感器，采用您所在地区通用的工业标准信号和接口；摄像头直接接入 Edge Hub。试点开始时，我们会核查您现有的传感器。
设备怎么供电、怎么安装？ +
Edge Node 有电池供电版，也有外接电源版；Edge Hub 和 Edge GTS 采用外接电源。节点可根据安装表面，用磁吸、螺栓或粘接方式固定。
怎样接入我们的系统？ +
节点通过 LoRa 无线连接 Edge Hub，使用您所在地区允许的频段；蓝牙和 Wi-Fi 仅用于调试和激活节点。Edge Hub 通过有线或 Wi-Fi 接入您的网络，再通过我们的 API 把监测数据传输至您的监控看板、工单系统或平台。
团队怎样得知状态变化？ +
方式由您选择：通过我们的 API 在您自己的系统里查看，也可以使用我们的网页界面、App 或邮件提醒。
设备检修后，或运行工况变化时怎么办？ +
由您的团队决定：检修期间由团队暂停学习，确认后再恢复。这样，设备学到的是新的正常状态，而不会将其当作变化提示出来。
我们的数据会去哪里？ +
数据留在设备上，除非您主动发送监测数据；即便发送，也只发往您自己的系统。
设备有认证吗？ +
目前还没有：设备仍在设计和制造阶段。我们计划按照各销售国家和地区的标准申请相应认证，并将申请适用于危险区域的防爆认证。
试点怎么做？ +
由您选定对象：一台设备或一个结构物，也可以选择几个同类监测对象。若这些对象已在采集数据，我们会先与您共同分析现有数据，确认现场是否合适，并约定用什么标准衡量成效。随后我们携带设备前往现场，与您的团队一起安装并接入系统。试点结束时，我们对照您的现场记录，共同复盘设备的监测结果，由您决定是否继续。