ข้ามไปยังเนื้อหา
Nabrio

แพลตฟอร์มสำหรับ Physical AI

ทำให้ระบบอัตโนมัติด้วย Physical AI เข้าถึงได้สำหรับทุกคน

แพลตฟอร์มสำหรับสร้างแอปพลิเคชัน Physical AI บนฮาร์ดแวร์ของคุณเอง เชื่อมกล้อง เซ็นเซอร์ และเครื่องจักรเข้ากับ AI แล้วเปลี่ยนสิ่งที่มันเห็นให้เป็นการลงมือทำในโลกจริง

Nabrio’s showcase: a robot arm, a box, a pallet and an autonomous mobile robot
cam 02 · pallet station
A camera view of Nabrio’s showcase. Nara detects the robot arm (picking), the box, the AMR’s stack light (green), the AMR (ready) and the pallet (empty), and uses them to orchestrate the robot and AMR.
  1. 01inputกล้อง IP
  2. 02visionตรวจจับกล่องและพาเลท
  3. 03logicพาเลทมีของหรือไม่?
  4. 04outputแขนกลหยิบ AMR มารับ
  5. 05widgetแดชบอร์ดสด

โชว์เคสหุ่นยนต์ของ Nabrio สร้างในโปรแกรมแก้ไขแบบภาพของ Nara โดยไม่ต้องเขียนโค้ด · ดูเรื่องราว

ใช้งานจริงตั้งแต่มีนาคม 2021 · ได้รับความไว้วางใจทั่วประเทศไทย

  • National Innovation Agency (Public Organization), Thailand
  • Federation of Thai Industries
  • UBE Group Thailand
  • PepsiCo
  • Aditya Birla Group
  • Kichiro
  • Aimi
  • NPS Engineering
  • TPG Control and Automation
  • Advantech

AI ส่วนใหญ่หยุดอยู่แค่การทำนาย Nara ลงมือทำต่อ Nara อ่านกล้องและเซ็นเซอร์ ตัดสินใจด้วย AI และกฎ แล้วสั่งอุปกรณ์จริง: สัญญาณคัดทิ้งไปยัง PLC ประตู หุ่นยนต์ หรือการแจ้งเตือน การรับรู้ การตัดสินใจ และการลงมือทำ เกิดขึ้นในระบบเดียว บนฮาร์ดแวร์ของคุณเอง

[ 01 ]ทำงานอย่างไร

  1. ภาพจากกล้องของคนงานในไซต์ก่อสร้าง

    01 · sense

    เชื่อมสิ่งที่คุณมีอยู่แล้ว

    เชื่อมกล้อง IP และกล้องอุตสาหกรรม เซ็นเซอร์ PLC และเว็บเซอร์วิสเข้ากับโฟลว์ใน Nara

  2. ภาพเดียวกันที่ตรวจจับหมวกนิรภัยและเสื้อสะท้อนแสงของคนงานแต่ละคน

    02 · decide

    ให้ AI และกฎตัดสินใจ

    โมเดล AI ในตัวหรือโมเดลเฉพาะ กฎ โซน ตัวนับ และตัวจับเวลา ตัดสินว่าจะเกิดอะไรขึ้น

  3. แดชบอร์ด Nara แสดงคนที่อยู่ในพื้นที่อันตราย

    03 · act

    ลงมือทำในโลกจริง

    สั่ง PLC ไฟสัญญาณ ประตู และหุ่นยนต์ ส่งการแจ้งเตือนและข้อมูล และแสดงทุกอย่างบนแดชบอร์ดสด

[ 02 ]จุดยืนของเรา

ทางเลือกที่สาม: บล็อกที่พิสูจน์แล้ว บนฮาร์ดแวร์ของคุณเอง

ทั้งคนและ AI agent สร้างโซลูชันจากบล็อกที่ผ่านการทดสอบแล้ว ปรับได้มากกว่าแอปเฉพาะทาง และเชื่อถือได้มากกว่าการใช้ AI agent เพียงอย่างเดียว

  1. แอปเฉพาะทางเร็ว · ตายตัว
  2. สร้างเองยืดหยุ่น · ช้า
  3. Nabrioยืดหยุ่น · พร้อมใช้งานจริง

ทางเลือกทั่วไป

สร้างเอง

ด้วยทีมนักพัฒนา หรือด้วย LLM และ AI coding agent ยืดหยุ่น แต่ระบบต้นแบบที่ใช้งานได้ยังห่างไกลจากระบบที่เชื่อถือได้ทุกวัน ทั้งสตรีมกล้อง โปรโตคอลอุตสาหกรรม ประสิทธิภาพโมเดล ความปลอดภัย การควบคุมสิทธิ์ และการดูแลระยะยาว ต้องสร้างและรับผิดชอบเองทั้งหมด

ทางเลือกทั่วไป

ซื้อแอปสำเร็จรูปเฉพาะทาง

เช่น ระบบตรวจ PPE เครื่องนับคน หรือเครื่องอ่านป้ายทะเบียน เริ่มได้เร็ว แต่แต่ละตัวทำได้อย่างเดียวในแบบเดียว ไม่ค่อยตรงกับกระบวนการของคุณ ไม่คุยกัน และทุกความต้องการใหม่หมายถึงผู้ขายรายใหม่

ดูการเปรียบเทียบฉบับเต็ม

[ 04 ]แพลตฟอร์ม

Nara รันระบบ Reva สอนให้รู้จักสินค้าของคุณ

โมเดลที่เทรนใน Reva นำไปใช้ใน Nara ได้ในขั้นตอนเดียว และภาพใหม่จากการผลิตจริงก็ส่งกลับไปที่ Reva เพื่อทำให้โมเดลดีขึ้น

  1. 01 · train

    Reva

    ติดป้ายกำกับ ติดป้ายอัตโนมัติ และเทรนโมเดลด้วยภาพของคุณเอง

  2. โมเดล → NAM ไม่ต้องตั้งค่า
  3. 02 · run

    Nara

    รันในโฟลว์ที่รับรู้ ตัดสินใจ และลงมือทำ บนฮาร์ดแวร์ของคุณ

  4. ภาพใหม่จากการผลิต → เทรนใหม่

[ 05 ]อุตสาหกรรม

สร้างมาเพื่อพื้นที่ที่งานเกิดขึ้นจริง

ดูกรณีการใช้งานทั้งหมด

[ 07 ]AI agent

AI agent สร้างงานบนบล็อกที่พิสูจน์แล้ว

Agent เชื่อถือได้มากกว่ามาก เมื่อประกอบบล็อกที่ผ่านการทดสอบแล้ว แทนการเขียนทั้งระบบขึ้นใหม่

วันนี้ Nara มีการตัดสินใจด้วย AI บนอุปกรณ์ การตรวจจับด้วยคำสั่งข้อความ การเขียนสคริปต์ Python และ HTTP API เต็มรูปแบบพร้อมคีย์แบบกำหนดสิทธิ์สำหรับสคริปต์และ agent ส่วนที่กำลังจะมา (Upcoming) คือ Nara agent interface (CLI และ MCP server) ที่จะให้ AI agent สร้าง ตรวจสอบ นำไปใช้ และปรับปรุงโฟลว์และแดชบอร์ดจากคำขอภาษาธรรมดา โดยใช้โหนดที่ผ่านการตรวจสอบชุดเดียวกับที่คนใช้

  • ชุดสิทธิ์สำเร็จรูป
  • นโยบายรายอุปกรณ์
  • ยืนยันก่อนทำงานที่มีความเสี่ยง
  • จำลอง I/O ระหว่างทดสอบ
  • Sandbox สแนปช็อต และย้อนกลับ
  • บันทึกทุกการเปลี่ยนแปลงของ agent
nara agent interface · cli + mcpUpcoming

› Count people in the doorway zone, show the count on a dashboard, and turn the tower light red above 10.

  • · Reading site: 3 cameras, 1 tower light, Modbus I/O
  • · Building flow: camera → people detection → zone count → if > 10 → tower light
  • · Building dashboard: live view, count, threshold
  • ✓ Flow validated · simulated I/O test passed
  • ? Deploy to the doorway device? This switches a physical light.
  • ✓ Deployed with your approval · snapshot saved for rollback

[ 08 ]ทำไมต้อง Nabrio

ความยืดหยุ่นของการสร้างเอง พร้อมความน่าเชื่อถือของผลิตภัณฑ์สำเร็จรูป

  1. 01

    Physical AI ไม่ใช่แค่การวิเคราะห์

    Nara ไม่หยุดแค่การตรวจจับ แต่ลงมือทำต่อ: ส่งสัญญาณคัดทิ้งไปยัง PLC เปิดประตู หรือสั่งหุ่นยนต์ยกพาเลท

  2. 02

    ทำงานในพื้นที่และเป็นส่วนตัว

    วิดีโอและข้อมูลประมวลผลบนฮาร์ดแวร์ของคุณ ไม่ต้องออกนอกสถานที่ และระบบยังทำงานได้แม้อินเทอร์เน็ตล่ม

  3. 03

    สร้างมาเพื่อประสิทธิภาพ

    แอปพลิเคชัน C++ แบบเนทีฟ พร้อม GPU acceleration และโฟลว์แบบ multi-thread รันหลายสตรีมกล้องพร้อมกันบนอุปกรณ์เดียว

  4. 04

    บล็อกที่พร้อมใช้งานจริง

    การติดตามวัตถุ ตรรกะโซน การกันนับซ้ำ การตรวจสอบความถูกต้อง การควบคุมสิทธิ์ และการรายงานข้อผิดพลาด มีอยู่ในทุกโหนด

  5. 05

    แพลตฟอร์มที่ต่อยอดได้

    โฟลว์และแดชบอร์ดแบบภาพสำหรับงานส่วนใหญ่ และโหนด Python ปลั๊กอิน และ HTTP API สำหรับส่วนที่เหลือ

  6. 06

    ต้นทุนต่ำและคาดการณ์ได้

    ไม่มีค่าเรียกใช้ AI บนคลาวด์ คุณใช้ทรัพยากรประมวลผลของคุณเอง และคิดค่าลิขสิทธิ์ด้วยระบบ slot ที่เข้าใจง่าย

[ 09 ]คำถามที่พบบ่อย

คำถามที่พบบ่อย

ข้อมูลของเราออกนอกสถานที่หรือไม่?

ไม่ Nara และ Reva ทำงานบนฮาร์ดแวร์ของคุณ ภาพ วิดีโอ และผลลัพธ์อยู่ที่นั่น ข้อมูลจะถูกส่งออกไปก็ต่อเมื่อคุณสร้างโฟลว์ที่ส่งเท่านั้น ส่วนคลาวด์ของ Nabrio ดูแลเฉพาะบัญชีและลิขสิทธิ์

ต้องใช้อินเทอร์เน็ตไหม?

ไม่ต้อง ระบบทำงานได้เต็มรูปแบบในเครือข่ายภายใน และแพ็กเกจที่รองรับสามารถทำงานออฟไลน์ด้วยลิขสิทธิ์ที่ผูกกับฮาร์ดแวร์

ต้องมีโปรแกรมเมอร์หรือนักวิทยาศาสตร์ข้อมูลไหม?

ไม่ต้อง โฟลว์ แดชบอร์ด การติดป้ายกำกับ และการเทรน ทำได้แบบภาพทั้งหมด ทีมที่มีนักพัฒนาสามารถต่อยอด Nara ด้วยสคริปต์ Python และปลั๊กอินได้

ต้องใช้ฮาร์ดแวร์อะไร?

เริ่มจากอุปกรณ์ Edge ขนาดเล็กข้างกล้อง เช่น Raspberry Pi หรือ NVIDIA Jetson แล้วขยายไปยังพีซีอุตสาหกรรมหรือเซิร์ฟเวอร์ GPU เมื่อมีกล้องจำนวนมาก โฟลว์เดิมทำงานได้บนทุกเครื่อง

ทำไมไม่สร้างเองด้วย LLM หรือ AI agent?

ระบบเดโมไม่ใช่ระบบจริง การทำงานอย่างเชื่อถือได้ทุกวันต้องมีการจัดการสตรีม โปรโตคอลอุตสาหกรรม การจัดการ GPU การควบคุมสิทธิ์ การบันทึก และการดูแลรักษา ซึ่ง Nabrio สร้างและทดสอบไว้แล้วทั้งหมด และ agent จะเชื่อถือได้มากกว่าเมื่อประกอบบล็อกที่พิสูจน์แล้ว

ดูคำตอบเพิ่มเติม

มองเห็นอย่างที่ Nara เห็น ผ่านกล้องของคุณเอง

ดาวน์โหลด Nara แล้วสร้างโฟลว์แรกได้ภายในไม่กี่นาที หรือบอกเราว่าคุณต้องการให้ระบบมองเห็นและทำอะไร แล้วเราจะแสดงให้ดูว่ามันทำงานบนฮาร์ดแวร์ของคุณเองได้อย่างไร