了解機(jī)器學(xué)習(xí)將如何顛覆傳感器和物聯(lián)網(wǎng)

Marco Castellano 博士發(fā)表了關(guān)于用于運(yùn)動(dòng)檢測(cè)和處理的嵌入式算法的講座，我們很高興與他坐下來(lái)了解機(jī)器學(xué)習(xí)將如何顛覆傳感器和物聯(lián)網(wǎng)。事實(shí)上，傳感器繼續(xù)塑造物聯(lián)網(wǎng)革命，因?yàn)榻^大多數(shù)應(yīng)用程序?qū)⒌凸脑O(shè)備連接到云作為傳輸傳感器信息的一種方式。根據(jù) IHS-Markit 的一項(xiàng)研究，到 2022 年，全球傳感器市場(chǎng)總額將達(dá)到 118.4 億美元，我們預(yù)計(jì)壓力、溫度、圖像、磁性、光和運(yùn)動(dòng)傳感器將成為最受歡迎的傳感器之一。因此，引領(lǐng)傳感器市場(chǎng)意味著塑造物聯(lián)網(wǎng)革命。

然而，Castellano 博士與 Marco Bianco 的團(tuán)隊(duì)合作撰寫(xiě)的論文表明，今天的趨勢(shì)可能與明天的趨勢(shì)大不相同。傳感器傾向于關(guān)注性能，因?yàn)楣娍偸且蟾叩陌偃f(wàn)像素、毫米精度和終極精度。然而，新的研究論文對(duì)這一愿景提出了挑戰(zhàn)，表明可以以更低的功耗實(shí)現(xiàn)更高效的傳感器應(yīng)用，并且通過(guò)將部分智能轉(zhuǎn)移到傳感器中并減少應(yīng)用處理器任務(wù)，仍然享有出色的性能。

最終，當(dāng)傳感器變得更加智能時(shí)，它們可以提供更好的結(jié)果和更顯著的節(jié)能效果。聽(tīng)起來(lái)好得令人難以置信，但這項(xiàng)技術(shù)突破是 ST 新型慣性傳感器 LSM6DSOX 原型的核心，其中包括機(jī)器學(xué)習(xí)處理器 （MLP）和有限狀態(tài)機(jī) （FSM）。

具有機(jī)器學(xué)習(xí)功能的傳感器

習(xí)是計(jì)算機(jī)科學(xué)的一個(gè)領(lǐng)域，它研究巨大的數(shù)據(jù)集如何教機(jī)器，以及這臺(tái)機(jī)器將如何反過(guò)來(lái)應(yīng)用它學(xué)到的知識(shí)來(lái)做出決策。機(jī)器學(xué)習(xí)是一個(gè)非常龐大的主題，它服務(wù)于許多不同的應(yīng)用程序。但是，當(dāng)機(jī)器必須從各種數(shù)據(jù)點(diǎn)得出結(jié)論時(shí)，它通常會(huì)使用決策樹(shù)。決策樹(shù)是由節(jié)點(diǎn)組成的結(jié)構(gòu)，每個(gè)節(jié)點(diǎn)擁有一個(gè)或多個(gè)分支。當(dāng)系統(tǒng)處理信息時(shí)，它將穿過(guò)不同的分支，直到到達(dá)葉子，這代表機(jī)器將返回的結(jié)論。

LSM6DS0X 傳感器最具革命性的方面之一是它具有內(nèi)置于傳感器本身的機(jī)器學(xué)習(xí)處理器，具有多達(dá) 8 個(gè)可配置的決策樹(shù)。這意味著，傳感器中的決策樹(shù)無(wú)需使用主機(jī)微控制器 （MCU） 來(lái)運(yùn)行算法并從需要大量能量的可用數(shù)據(jù)中得出結(jié)論，而是可以以一小部分功率運(yùn)行感應(yīng)算法消耗。因此，系統(tǒng)可以通過(guò)簡(jiǎn)單地觀察用戶的動(dòng)作并從預(yù)定義的模式進(jìn)行推斷來(lái)識(shí)別特定的活動(dòng)、攜帶位置或計(jì)算步數(shù)。

具有有限狀態(tài)機(jī)的傳感器

LSM6DSOX 還依賴于有限狀態(tài)機(jī)，該模型使用一定數(shù)量的預(yù)定義狀態(tài)以及一系列輸入來(lái)提供輸出。在其最基本的形式中，它使用順序邏輯來(lái)做出決策。例如，我們可以想象一個(gè) FSM，如果輸入為 1，則從狀態(tài) A 變?yōu)闋顟B(tài) B，但如果輸入為 0，則保持在狀態(tài) A。任務(wù)。權(quán)衡是，與更多價(jià)的計(jì)算系統(tǒng)不同，F(xiàn)SM 不能執(zhí)行某些計(jì)算。

Castellano 博士和合著者（R. Bassoli、M. Bianco、A. Cagidiaco、C. Crippa、M. Ferraina、M. Leo、SP Rivolta）意識(shí)到有限狀態(tài)機(jī)在運(yùn)行演繹算法以確保傳感器方面表現(xiàn)出色可以檢測(cè)產(chǎn)品是朝上還是朝下、自由落體、被用戶撿起，甚至監(jiān)控某些健身活動(dòng)等等。因此，LSM6DSOX 具有多達(dá) 16 個(gè)獨(dú)立的 FSM，這些 FSM 在本質(zhì)上非常簡(jiǎn)單，但高度可配置，例如閾值或定時(shí)器比較。因此，如果開(kāi)發(fā)人員想要檢測(cè)手腕傾斜來(lái)打開(kāi)或關(guān)閉智能手表的屏幕，他們只需要配置 FSM 并確定特定輸出何時(shí)會(huì)產(chǎn)生中斷，從而根據(jù)用戶的動(dòng)作打開(kāi)或關(guān)閉屏幕。

此外，LSM6DSOX 的 MLP 和 FSM 不是獨(dú)立的孤島，可以相互通知。例如，可以通過(guò)組件的決策樹(shù)之一運(yùn)行 FSM 的結(jié)果，以排除可能引發(fā)錯(cuò)誤中斷的誤報(bào)。

來(lái)自 ST 的傳感器

我們?cè)诘凸膽?yīng)用中的機(jī)器學(xué)習(xí)方面處于領(lǐng)先地位，例如Orlando，一種帶有神經(jīng)網(wǎng)絡(luò)的 SoC，而且由于公司經(jīng)常通過(guò)我們的MEMS了解我們，所以像 LSM6DSOX 這樣的慣性傳感器就很有意義。擁有 MLP 和 FSM 模塊意味著算法處理所需的電流比傳統(tǒng)解決方案少 20 到 100 倍，從而為不需要更多功率或額外外部硬件單元即可實(shí)現(xiàn)類似結(jié)果的更小、更智能的設(shè)備打開(kāi)了大門。Castellano 博士的團(tuán)隊(duì)致力于現(xiàn)實(shí)架構(gòu)，這解釋了為什么 LSM6DSO（一種帶有 FSM 模塊的類似傳感器）應(yīng)該在今年上市。

然而，除了產(chǎn)品之外，同樣重要的是要強(qiáng)調(diào)這種新型傳感器是可能的，因?yàn)?ST 的所有成員都聚集在一起。事實(shí)上，訓(xùn)練機(jī)器學(xué)習(xí)模塊的數(shù)據(jù)集來(lái)自 ST 員工自己。我們組織了一場(chǎng)全球性的運(yùn)動(dòng)來(lái)跟蹤人們的運(yùn)動(dòng)并教導(dǎo)系統(tǒng)從收集的模式中識(shí)別某些活動(dòng)。這是一項(xiàng)至關(guān)重要的努力，因?yàn)閿?shù)據(jù)集的質(zhì)量決定了算法的準(zhǔn)確性和性能，并最終決定了塑造用戶體驗(yàn)的結(jié)果的相關(guān)性。因此，看到我們員工的所有努力在 LSM6DSOX 原型中齊心協(xié)力創(chuàng)造未來(lái)的傳感器，真是一種特別的感覺(jué)。

審核編輯：郭婷