# \#embedded **URL:** https://discuss.pytorch.kr/tag/embedded/2455.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [MimiClaw: 5달러짜리 ESP32-S3 MCU 위에서 구동되는 초소형 OS-less AI 에이전트](https://discuss.pytorch.kr/t/mimiclaw-5-esp32-s3-mcu-os-less-ai/9113)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [3월 2, 2026, 9:30오전 UTC](https://discuss.pytorch.kr/t/mimiclaw-5-esp32-s3-mcu-os-less-ai/9113 "2026-03-02T09:30:57Z")
MimiClaw 소개 최근 인공지능 기술의 발전과 함께 스스로 생각하고 도구를 활용하여 작업을 수행하는 자율형 AI 에이전트(AI Agent)에 대한 개발자 커뮤니티의 관심이 매우 뜨겁습니다. 하지만 이러한 에이전트 시스템을 제대로 구축하고 유지하기 위해서는 일반적으로 복잡하고 무거운 운영체제(OS) 환경이 필수적이라고 여겨져 왔습니다. 리눅스(Linux) 환경을 구축하고, 그 위에 Node.js나 Python 같은 런타임을 올린 뒤 무거운 클라우드 서버나 최소한 Mac mini, 라즈베리 파이(Raspberry Pi) 수준의 컴퓨팅 파워를 동원해야 한다는 것이 일반적인 상식이었습니다. 이러한 방식은 초기 구축 비용의 상승은 물론, 전력 소모량이 만만치 않아 항상 켜두고 사용해야 하는 개인용 로컬 어시스턴트를 구현하기에는 다소 부담스러운 제약이 있었습니다. MimiClaw는 이러한 기존의 패러다임을 완전히 뒤집는 혁신적이고 흥미로운 오픈소스 프로젝트입니다. 이 프로젝트는 단돈 5달러(약 7천 원) 수준의 극도로 저렴하고 전력 소모가 적은 ESP32-S3 마이크로컨트롤러 유닛(MCU) 위에서 구동되는 개인용 AI 어시스턴트 펌웨어를 제공합니다. 가장 놀라운 점은 무거운 운영체제나 Node.js 환경에 전혀 의존하지 않고, 오직 순수 C 언어와 실시간 운영체제인 FreeRTOS만을 사용하여 이른바 베어메탈(Bare-metal)에 가까운 환경에서 복잡한 AI 에이전트 루프를 성공적으로 구현해 냈다는 사실입니다. 사용자는 보드에 USB 케이블로 전원(불과 0.5W 소모)만 공급해 주면, 24시간 내내 켜져 있으면서 로컬 플래시 메모리에 기억을 저장하고 Telegram을 통해 언제든 즉각적으로 대화할 수 있는 나만의 물리적 AI 비서를 갖게 됩니다. 이 작은 칩 안에는 와이파이(WiFi) 통신 모듈은 물론, ReAct(Reasoning and Acting) 기반의 논리적 에이전트 루프, 도구(Tool) 호출 기능, 그리고 전원을 껐다 켜도 사용자와의… --- ## [\[GN⁺\] TinyML: 초저전력 머신러닝 기술](https://discuss.pytorch.kr/t/gn-tinyml/3300)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [1월 18, 2024, 3:50오전 UTC](https://discuss.pytorch.kr/t/gn-tinyml/3300 "2024-01-18T03:50:00Z")
GeekNews의 xguru님께 허락을 받고 GN에 올라온 글들 중에 AI 관련된 소식들을 공유하고 있습니다. :smiley\_cat: 소개 TinyML이란 무엇인가 TinyML은 마이크로컨트롤러에서의 머신 러닝 사용을 의미함. 전통적인 ML에서 사용되는 시스템과 달리, CPU와 RAM이 매우 적고, 전력 소비가 밀리와트 또는 마이크로와트 수준인 시스템에서 사용됨. 큰 모델을 축소하여 자원이 매우 적은 장비와 마이크로컨트롤러에서 사용할 수 있도록 하는 작업을 수행함. TinyML 재단의 공식 웹사이트는 https://www.tinyml.org/ 하버드 대학에서 무료로 제공하는 3개의 강좌 시리즈가 있음: TinyML의 기초 (무엇을 만들고, 왜 만들며, 어떤 문제가 있는지): HarvardX: Fundamentals of TinyML | edX TinyML의 응용 (데이터 기반, 편향 등) TinyML 배포 (모델을 어디에 배치할지, 보안 및 개인 정보 보호) TinyML의 기본 원리 마이크로컨트롤러를 사용하는 임베디드 시스템은 최대 256kB의 메모리를 가지고 있어 큰 모델을 작동시킬 수 없음. 마이크로컨트롤러와 함께 사용할 수 있는 몇 가지 운영 시스템 예시: FreeRTOS: FreeRTOS™ - FreeRTOS™ Mbed OS: Mbed OS | Mbed 머신러닝은 데이터에서 패턴을 찾는 알고리즘으로 구성됨. TinyML에서는 이러한 알고리즘을 압축하여 데이터에서 패턴을 효과적으로 찾을 수 있도록 함. IoT에서 하루에 생성되는 데이터는 5퀸틸리언 바이트이며, 이 중 1% 미만만 분석됨. 알고리즘 압축 기법 가지치기(Pruning) Synapsis 가지치기: 모델에서 네트워크 연결을 제거함. 때때로 정확도가 감소할 수 있음. Neurons 가지치기: 모델에서 전체 뉴런을 제거하여 네트워크의 계산 요구를 줄임. 양자화(Quantization) 값들을 작은 범위 내에서 이산화함. 예를 들어, 부동 소수점을 …