Cảm biến chuyển động có khả năng học máy dành cho IoT

Qeexo, nhà phát triển nền tảng máy học tự động Qeexo AutoML (ML) và STMicroelectronics đã công bố tính khả dụng của cảm biến lõi học máy (MLC) của ST trên Qeexo AutoML.

Trong khi các cảm biến MLC của ST có thể giảm đáng kể mức tiêu thụ điện năng tổng thể của hệ thống bằng cách chạy các thuật toán liên quan đến cảm biến, được xây dựng từ các bộ dữ liệu cảm biến lớn, nếu không sẽ chạy trên bộ xử lý chủ. Bằng cách sử dụng cái này cảm biến dữ liệu, Qeexo AutoML có thể tự động tạo ra các giải pháp học máy được tối ưu hóa cao cho các thiết bị Edge.

Với độ trễ cực thấp, tiêu thụ điện năng cực thấp và dung lượng bộ nhớ rất nhỏ, các giải pháp thuật toán này có thể vượt qua các giới hạn do kích thước khuôn áp đặt đối với sức mạnh tính toán và kích thước bộ nhớ, với các mô hình học máy hiệu quả cho các cảm biến mở rộng hệ thống tuổi thọ pin.

“Thực hiện lời hứa mà chúng tôi đã đưa ra gần đây khi công bố hợp tác với ST, Qeexo đã hỗ trợ thêm cho dòng cảm biến lõi học máy của ST trên Qeexo AutoML,” Sang Won Lee, Giám đốc điều hành của Qeexo cho biết. “Công việc của chúng tôi với ST hiện đã cho phép các nhà phát triển ứng dụng nhanh chóng xây dựng và triển khai các thuật toán học máy trên cảm biến MLC của ST mà không tiêu tốn chu kỳ MCU và tài nguyên hệ thống, cho một loạt các ứng dụng không giới hạn, bao gồm cả các trường hợp sử dụng IoT và công nghiệp.”

Simone Ferri, Giám đốc bộ phận cảm biến MEMS, STMicroelectronics cho biết: “Việc điều chỉnh Qeexo AutoML cho các cảm biến lõi học máy của ST giúp các nhà phát triển nhanh chóng thêm công nghệ máy học nhúng vào các ứng dụng tiêu thụ điện năng rất thấp của họ.

“Việc đưa MLC vào các cảm biến của chúng tôi, bao gồm LSM6DSOX hoặc ISM330DHCX, làm giảm đáng kể khối lượng truyền dữ liệu hệ thống, giảm tải xử lý mạng và có khả năng cắt giảm mức tiêu thụ điện năng của hệ thống theo mức độ trong khi cung cấp khả năng phát hiện sự kiện nâng cao, logic đánh thức và Edge thời gian thực tin học."