国产机器人大脑 RDK-S100 硬件与 AI 功能评测

解压 sunrise5_winusb.zip，管理员身份执行 install_driver.bat 脚本。

烧录工具 下载地址： https://archive.d-robotics.cc/downloads/software_tools/download_tools/

解压后打开 D-navigation-win32-x64 下的 D-navigation.exe。

按下图配置，点击开始升级。

烧录成功后会有提示。

系统检查 启动 Ubuntu 系统后，可用以下命令查看信息：

free

cat /proc/cpuinfo

系统的 GPU API 为 OpenCL，可执行如下命令查看 GPU 信息：

apt-get install clinfo
clinfo

MCU 的打印信息可以在开发板的 MCU 串口查看。

从启动流程上看，它使用 U-Boot SPL 作为第一级 bootloader，并带有 OPTEE 功能。

AI 功能测试

RDK-S100 的 AI 功能是一大特点。机器人常用的视觉识别功能，其系统里面带了摄像头图像识别的 demo。如果使用 USB 摄像头，运行位于 /app/pydev_demo/09_usb_camera_sample/ 目录下的 demo。

找一个支持 UVC 协议的 USB 摄像头，插到开发板 USB 接口后，执行以下命令查看是否正确识别：

ls /dev/video*

然后运行：

cd /app/pydev_demo/09_usb_camera_sample/
python3 usb_camera_yolov5x.py

可以看到目标识别效果，框出其范围并标明置信度。

运行此 demo 时，通过如下命令查看 BPU 占用情况：

sudo hrut_somstatus

温度大概在 45 摄氏度左右，说明 BPU 应对这种场景绰绰有余，甚至支持 6 路摄像头同时执行识别。

Demo 执行过程

1. 通过 hbm_runtime 加载指定的 .hbm 模型文件。
2. 自动扫描 /dev/video* 下的设备，打开第一个可用的 USB 摄像头。
3. 将 BGR 图像 resize 至模型输入分辨率，并转换为 NV12 格式。
4. 通过 run() 方法提交输入张量，在 BPU 上完成模型前向计算。
5. 包括量化输出解码、候选框筛选、NMS 去重，以及坐标还原回原始图像大小。
6. 最后将结果可视化（使用 cv2）。

因此，在 S100 上面做推理，其流程跟市面上其他方案类似：先做模型转换，得到 hbm 模型文件，加载到 BPU，将图像发到 BPU，BPU 完成推理后将结果返回 CPU，然后根据需要执行绘制等操作。

结语

本文详细介绍了 RDK-S100 的硬件构成，简要说明了 Ubuntu 系统在平台上的部署与基本操作，并展示了基于 Ubuntu 环境的 AI 功能测试。若希望从软硬件两方面对地瓜机器人 S100 平台进行初步评估，RDK-S100 无疑是一个理想的选择——该开发板已引出大部分常用接口，且凭借其出色的算力表现，定价颇具竞争力。

就 S100 本身而言，其强大的 AI 性能在当前国产机器人及边缘 AI 领域同价位产品中几乎难逢对手，所采用的 SIP 模块也极大简化了硬件设计流程。不过，该平台目前仍存在一定局限：其 SDK 仅面向企业客户授权，且需签署 NDA 协议；而作为其主要竞争对手的英伟达，则开放了 Jetson 系列的全套源码。这一差异可能导致部分个人开发者更倾向于选择英伟达平台。