Ultralytics en el AMD Embedded AI Working Group de Dublín
Descubre cómo Ultralytics y AMD exploraron la IA física, la robótica y el despliegue de visión artificial en el AMD Embedded AI Working Group 2026 de Dublín.
Zinnia Pourdad7 min de lectura
Ultralytics se unió recientemente a AMD en su evento Embedded AI Working Group en Dublín, Irlanda, durante dos días de sesiones técnicas, talleres prácticos y demostraciones en directo sobre IA integrada e IA física.
El evento, celebrado en las oficinas de AMD en Dublín los días 3 y 4 de noviembre de 2026, reunió a ingenieros de AMD, socios tecnológicos y desarrolladores para explorar cómo la IA, el software y la computación adaptativa pueden ayudar a llevar aplicaciones del mundo real desde la idea hasta el despliegue.
En representación de Ultralytics, Manuel Calve, responsable del ecosistema y las colaboraciones, y Zinnia Pourdad, responsable global de eventos, asistieron al evento para conectar con el ecosistema más amplio de AMD, destacar los últimos avances de Ultralytics YOLO y mostrar cómo Ultralytics YOLO permite desarrollar aplicaciones de visión artificial en hardware de AMD.
Ultralytics YOLO y AMD: impulsar la IA de la nube al edge#
El evento tuvo lugar tras los recientes avances en la colaboración técnica entre Ultralytics y AMD, incluido el soporte oficial para las GPU de AMD en Ultralytics YOLO. La integración es compatible con una amplia gama de hardware de AMD, incluidas las GPU AMD Radeon, y ofrece opciones de despliegue adicionales en procesadores AMD Ryzen AI y dispositivos edge. Ahora, los desarrolladores pueden entrenar modelos de Ultralytics YOLO con el software AMD ROCm y desplegar modelos ONNX exportados con AMD MIGraphX para acelerar la inferencia. Este soporte abarca las GPU AMD Radeon y las GPU integradas Ryzen AI compatibles, y se sigue trabajando para habilitar el despliegue en las NPU Ryzen AI.
Ultralytics YOLO también es compatible ahora con la exportación a AMD Xilinx, que permite a los desarrolladores preparar modelos para desplegarlos en las NPU AMD Versal AI Edge Series Gen 2. Esta integración amplía las posibilidades de despliegue de Ultralytics YOLO en aplicaciones de IA edge gracias a AMD Quark para la cuantización INT8 y Vitis AI para la compilación.
En conjunto, estas capacidades dan a los desarrolladores más flexibilidad para crear y desplegar aplicaciones de visión artificial en distintos entornos de computación, desde la inspección industrial y la robótica hasta las cámaras inteligentes.
Explorando la IA integrada y la robótica throRworksho#
El primer día se centró en presentaciones técnicas y talleres sobre AMD Ryzen AI, ROCm, robótica y desarrollo de IA integrada.
Ultralytics YOLO26 se presentó en dos talleres dirigidos por AMD, donde los asistentes adquirieron experiencia práctica con la estimación de pose de Ultralytics YOLO26 y vieron cómo la visión artificial puede ayudar en aplicaciones que necesitan interpretar el movimiento e interactuar con el entorno físico.
En el segundo taller se utilizó YOLO26 pose en un contexto de robótica con ROS 2 para explorar cómo la estimación de pose puede ayudar en aplicaciones como robots que siguen a personas, monitorización de distancias y reconocimiento de gestos. Si te interesa explorar aplicaciones similares, consulta nuestra guía de inicio rápido de ROS.
En estos talleres prácticos, los asistentes exploraron cómo integrar Ultralytics YOLO26 en flujos de trabajo de robótica e IA física, incorporando la visión artificial a entornos de desarrollo prácticos.
Desarrollar IA para el mundo real con Ultralytics YOLO y AMD#
El segundo día, Manuel Calve, responsable del ecosistema y las colaboraciones en Ultralytics, impartió una sesión técnica titulada «Desarrollar IA para el mundo real con Ultralytics YOLO y AMD: de la nube al edge».
Desde la robótica y la inspección industrial hasta las cámaras inteligentes, las aplicaciones de IA física en el mundo real necesitan una visión artificial rápida, precisa y lista para desplegar.
Manuel explicó cómo los desarrolladores pueden entrenar modelos de Ultralytics YOLO en GPU de AMD compatibles con ROCm, exportar modelos a ONNX y usar MIGraphX para acelerar la inferencia. En la sesión también se exploraron opciones de despliegue en el ecosistema de hardware más amplio de AMD, y se mostró cómo los flujos de trabajo de visión artificial pueden pasar del desarrollo a las aplicaciones reales.
Las siete tareas de YOLO26 se ejecutaron en directo con AMD ROCm#
Nuestras demostraciones en directo ejecutaron, una al lado de la otra, todas las tareas de YOLO26 con AMD ROCm:
- Detección de objetos: recuadros y etiquetas para los objetos detectados
- Segmentación de instancias: una máscara de píxeles para cada objeto detectado
- Segmentación semántica: una clase para cada píxel
- Clasificación de imágenes: una etiqueta para toda la imagen
- Estimación de pose: 17 puntos clave por cada persona detectada
- Cajas delimitadoras orientadas: recuadros rotados para vistas aéreas y cenitales
- Estimación de profundidad: distancia en metros para cada píxel
Estas capacidades son especialmente relevantes para aplicaciones como el control de calidad en fabricación, la robótica autónoma y la monitorización inteligente, donde es esencial que la inferencia de visión artificial sea eficiente.
Empieza a usar Ultralytics YOLO en AMD#
El AMD Embedded AI Working Group reunió a desarrolladores y socios tecnológicos para explorar cómo la IA integrada y la IA física están pasando del desarrollo a las aplicaciones reales. Desde talleres prácticos con Ultralytics YOLO26 hasta conversaciones sobre el despliegue de la nube al edge, el evento destacó formas prácticas de integrar la visión artificial en sistemas con tecnología de AMD.
¿Te interesa desarrollar con Ultralytics YOLO en hardware de AMD? Consulta la documentación de integración de Ultralytics y AMD para conocer el hardware compatible, las instrucciones de instalación, los flujos de trabajo de entrenamiento y la inferencia acelerada con MIGraphX, y empieza a usar la plataforma Ultralytics.
Preguntas frecuentes
Sí. Desde Ultralytics 8.4.171, YOLO se entrena y ejecuta en las GPU AMD Instinct y Radeon compatibles mediante PyTorch en ROCm, y los modelos ONNX exportados se ejecutan con el proveedor de ejecución MIGraphX. Funciona en Linux x86_64, y el mismo argumento
device=0que se usa con otras GPU selecciona la GPU de AMD.Sí, en procesadores con GPU integradas compatibles con ROCm. AMD indica que Ryzen AI Max+ PRO 395, Ryzen AI Embedded X100 y Ryzen AI Embedded P185 se han probado para ejecutar modelos con PyTorch y desplegarlos con MIGraphX. La NPU Ryzen AI no es un backend nativo de Ultralytics; los flujos de trabajo con NPU utilizan las herramientas AMD Ryzen AI o Vitis AI con un modelo ONNX exportado.
MIGraphX es el motor de optimización de grafos e inferencia de AMD para sus GPU. No hace falta cambiar el código: exporta con
format="onnx", carga el archivo.onnxconYOLO()y haz predicciones condevice=0. En un sistema con ROCm, Ultralytics instala y selecciona automáticamente el proveedor de ejecución MIGraphX.En una GPU AMD Radeon 8060S (Ryzen AI Max+ PRO 395), con FP32, tamaño de lote 1 y una entrada de 640 píxeles, y usando Ultralytics 8.4.165, YOLO26n-pose tarda 2,5 ms por imagen con MIGraphX, frente a 4,6 ms con PyTorch en ROCm, con el mismo 0.566Ro95 en COCO. Los tiempos no incluyen el preprocesamiento, el posprocesamiento ni la compilación inicial.
Sí. YOLO26 se ejecuta mediante la API Python estándar de Ultralytics, por lo que puedes integrarlo en un nodo de ROS 2 como cualquier otro componente de Python. Nuestra guía de inicio rápido de ROS muestra un nodo que ejecuta YOLO en fotogramas de cámara y publica imágenes anotadas; publicar datos de puntos clave requiere unas pocas líneas adicionales de código en el nodo.
Escrito por
Responsable global de eventos · Ultralytics
Comentarios
Haz una pregunta, comparte tus resultados o ayuda a otra persona.
