{"id":2124,"date":"2026-04-01T10:41:36","date_gmt":"2026-04-01T07:41:36","guid":{"rendered":"https:\/\/marshallai.com\/?p=2124"},"modified":"2026-08-10T15:01:50","modified_gmt":"2026-08-10T12:01:50","slug":"xtech-haasteen-voitto-nopea-tekoalyn-kayttoonotto","status":"publish","type":"case-study","link":"https:\/\/marshallai.com\/fi\/case-study\/xtech-challenge-win-rapid-ai-deployment\/","title":{"rendered":"Tyhj\u00e4st\u00e4 tuotantoon 1 tunnissa ja 40 minuutissa: xTech Global AI Challenge -kilpailun voittaminen"},"content":{"rendered":"

Nykyaikaisissa toimintaymp\u00e4rist\u00f6iss\u00e4 \u2013 olipa kyseess\u00e4 taktinen taistelukentt\u00e4 tai nopeatempoinen tuotantolaitos \u2013 nopeaa p\u00e4\u00e4t\u00f6ksentekoa haittaavat usein laskentatehon puute, kaistanleveyden rajoitukset ja raakadatan valtava m\u00e4\u00e4r\u00e4.<\/p>\n\n\n\n

Yhdysvaltain puolustusministeri\u00f6 (joka edustaa maavoimia, laivastoa ja ilmavoimia) k\u00e4ynnisti xTech Global AI Challenge -kilpailun l\u00f6yt\u00e4\u00e4kseen vakaita, teko\u00e4lypohjaisia ratkaisuja, jotka pystyv\u00e4t k\u00e4sittelem\u00e4\u00e4n erilaisia tietol\u00e4hteit\u00e4 juuri siell\u00e4, miss\u00e4 niit\u00e4 tarvitaan. MarshallAI osallistui kilpailuun todistaakseen, ett\u00e4 eritt\u00e4in tarkka konen\u00e4k\u00f6 ei vaadi kuukausia kest\u00e4v\u00e4\u00e4 koulutusta, valtavia tietojoukkoja tai pilviyhteytt\u00e4.<\/p>\n\n\n\n

\n
\n
\"\"\n\t\t\t\n\t\t\t\t\n\t\t\t<\/svg>\n\t\t<\/button>
Marcus Nordstr\u00f6m MarshallAI-tiimist\u00e4 (kolmas oikealta) voitti ensimm\u00e4isen sijan xTech Global AI Challenge -finaalissa Lontoossa.<\/figcaption><\/figure>\n<\/div><\/div>\n\n\n\n
\n
\"\"\n\t\t\t\n\t\t\t\t\n\t\t\t<\/svg>\n\t\t<\/button>
xTech julkaisee uutisen MarshallAI:n kilpailussa saavuttamasta ensimm\u00e4isest\u00e4 sijasta.<\/figcaption><\/figure>\n<\/div><\/div>\n<\/div>\n\n\n\n

Konsepti: Kooditon teko\u00e4ly etulinjaan<\/h2>\n\n\n\n

MarshallAI esitteli alustan, joka on suunniteltu ihmisen aistitoimintojen t\u00e4ydelliseen j\u00e4ljittelemiseen tavallisten k\u00e4ytt\u00e4jien toimesta. Perusajatus oli yksinkertainen: k\u00e4ytt\u00e4j\u00e4n tulisi pysty\u00e4 kouluttamaan ja ottamaan k\u00e4ytt\u00f6\u00f6n teko\u00e4lymalli ilman mink\u00e4\u00e4nlaista ennakkotietoa koneoppimisesta ja kirjoittamatta yht\u00e4\u00e4n rivi\u00e4 koodia.<\/p>\n\n\n\n

T\u00e4m\u00e4n osoittamiseksi tiimi toteutti reaaliaikaisen, nopeasti k\u00e4ytt\u00f6\u00f6n otettavan pilottihankkeen, joka py\u00f6ri kokonaan pienell\u00e4, kannettavalla reunalaskentalaitteella.<\/p>\n\n\n\n

Live-demonstraatio: Tyhj\u00e4st\u00e4 tuotantoon alle kahdessa tunnissa<\/h2>\n\n\n\n

Esittelyn aikana MarshallAI-tiimi toteutti kuvitteellisen k\u00e4ytt\u00f6tapauksen: tiettyjen \u201cvihamielisten aseiden\u201d (Nerf-aseiden) tunnistaminen ja erottaminen reaaliajassa aktiivisesti kytketyn kameran avulla.<\/p>\n\n\n\n

K\u00e4ytt\u00f6\u00f6noton mittarit osoittivat alustan \u00e4\u00e4rimm\u00e4ist\u00e4 ketteryytt\u00e4:<\/p>\n\n\n\n

    \n
  • Ennenn\u00e4kem\u00e4t\u00f6n nopeus:<\/strong> Mukautettu teko\u00e4lymalli rakennettiin t\u00e4ysin alusta alkaen vain tunnissa ja 40 minuutissa.<\/li>\n\n\n\n
  • Minimaaliset tietovaatimukset:<\/strong> Syv\u00e4oppimismalli vaati vain 77 viitekuvaa toiminnallisen tarkkuuden saavuttamiseksi.<\/li>\n\n\n\n
  • Eristetty tietoturva:<\/strong> Ratkaisu toimi t\u00e4ysin ilman verkkoyhteytt\u00e4 kannettavalla Jetson Xavier NX -reunalaitteella, eik\u00e4 sill\u00e4 ollut mink\u00e4\u00e4nlaista yhteytt\u00e4 pilveen tai ulkopuolisiin verkkoihin.<\/li>\n\n\n\n
  • Pikah\u00e4lytykset:<\/strong> Paikallinen verkko konfiguroitiin l\u00e4hett\u00e4m\u00e4\u00e4n tekstiviestih\u00e4lytys v\u00e4litt\u00f6m\u00e4sti heti, kun m\u00e4\u00e4ritetty kohde poistui aktiiviselta n\u00e4k\u00f6kent\u00e4lt\u00e4.<\/li>\n<\/ul>\n\n\n\n
    \n
    \n
    \"\"\n\t\t\t\n\t\t\t\t\n\t\t\t<\/svg>\n\t\t<\/button>
    Mallin kouluttaminen MarshallAI-menetelm\u00e4ll\u00e4<\/figcaption><\/figure>\n<\/div><\/div>\n\n\n\n
    \n
    \"\"\n\t\t\t\n\t\t\t\t\n\t\t\t<\/svg>\n\t\t<\/button>
    Virheenj\u00e4ljitysn\u00e4kym\u00e4, joka n\u00e4ytt\u00e4\u00e4 yst\u00e4v\u00e4llisten ja vihamielisten leikkipyssyjen oikean tunnistuksen<\/figcaption><\/figure>\n<\/div><\/div>\n<\/div>\n\n\n\n

    Tulokset ja valmistusvaikutukset<\/h2>\n\n\n\n

    MarshallAI voitti ensimm\u00e4isen sijan kaikkien kansainv\u00e4listen finalistien joukosta ja sai puolustusministeri\u00f6n tuomaristolta erinomaiset pisteet esityksest\u00e4, teknologian toteutettavuudesta ja vaikutusmahdollisuuksista. Yhdysvaltain ilmavoimien AFWERX-ohjelma kiitti julkisesti alustan \u201ckonfiguroitavia syv\u00e4oppimisputkia\u201d.<\/p>\n\n\n\n

    Vaikka alkuper\u00e4inen esittely keskittyi sotilaalliseen tilannetietoisuuteen \u2013 tarjoamalla \u201cylim\u00e4\u00e4r\u00e4isen silm\u00e4parin\u201d partioiville yksik\u00f6ille \u2013 taustalla oleva teknologia soveltuu suoraan teollisuusymp\u00e4rist\u00f6ihin. xTechin voitto osoittaa, ett\u00e4 MarshallAI-alusta pystyy sopeutumaan nopeasti uusiin visuaalisiin haasteisiin, k\u00e4sittelem\u00e4\u00e4n dataa paikallisesti tehdassalissa tai kent\u00e4ll\u00e4 sek\u00e4 integroimaan h\u00e4lytykset saumattomasti ilman kuukausia kest\u00e4v\u00e4\u00e4 ja kallista teko\u00e4lyn kehitysty\u00f6t\u00e4.<\/p>","protected":false},"excerpt":{"rendered":"

    Katso, kuinka alustamme voitti Yhdysvaltain puolustusministeri\u00f6n sponsoroiman xTech Challenge -kilpailun rakentamalla r\u00e4\u00e4t\u00e4l\u00f6idyn, t\u00e4ysin offline-tilassa toimivan esineentunnistusmallin vain tunnissa ja 40 minuutissa k\u00e4ytt\u00e4m\u00e4ll\u00e4 vain 77 viitekuvaa.<\/p>","protected":false},"featured_media":2145,"template":"","meta":{"content-type":"","footnotes":""},"categories":[31,32],"tags":[76,24,37,30,29,25,36,35,34,33,28],"class_list":["post-2124","case-study","type-case-study","status-publish","has-post-thumbnail","hentry","category-defence","category-edge-ai","tag-case-study","tag-computer-vision","tag-edge-computing","tag-edge-device","tag-edge-processing","tag-machine-vision","tag-no-code-training","tag-object-detection","tag-offline-ai","tag-rapid-deployment","tag-xtech"],"_links":{"self":[{"href":"https:\/\/marshallai.com\/fi\/wp-json\/wp\/v2\/case-study\/2124","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/marshallai.com\/fi\/wp-json\/wp\/v2\/case-study"}],"about":[{"href":"https:\/\/marshallai.com\/fi\/wp-json\/wp\/v2\/types\/case-study"}],"version-history":[{"count":6,"href":"https:\/\/marshallai.com\/fi\/wp-json\/wp\/v2\/case-study\/2124\/revisions"}],"predecessor-version":[{"id":2209,"href":"https:\/\/marshallai.com\/fi\/wp-json\/wp\/v2\/case-study\/2124\/revisions\/2209"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/marshallai.com\/fi\/wp-json\/wp\/v2\/media\/2145"}],"wp:attachment":[{"href":"https:\/\/marshallai.com\/fi\/wp-json\/wp\/v2\/media?parent=2124"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/marshallai.com\/fi\/wp-json\/wp\/v2\/categories?post=2124"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/marshallai.com\/fi\/wp-json\/wp\/v2\/tags?post=2124"}],"curies":[{"name":"Hyvin pelattu","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}