Marco Castellano 博士發(fā)表了關(guān)于用于運動檢測和處理的嵌入式算法的講座，我們很高興與他坐下來了解機器學(xué)習(xí)將如何顛覆傳感器和物聯(lián)網(wǎng)。事實上，傳感器繼續(xù)塑造物聯(lián)網(wǎng)革命，因為絕大多數(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 的一項研究，到 2022 年，全球傳感器市場總額將達(dá)到 118.4 億美元，我們預(yù)計壓力、溫度、圖像、磁性、光和運動傳感器將成為最受歡迎的傳感器之一。因此，引領(lǐng)傳感器市場意味著塑造物聯(lián)網(wǎng)革命。

然而，Castellano 博士與 Marco Bianco 的團(tuán)隊合作撰寫的論文表明，今天的趨勢可能與明天的趨勢大不相同。傳感器傾向于關(guān)注性能，因為公眾總是要求更高的百萬像素、毫米精度和終極精度。然而，新的研究論文對這一愿景提出了挑戰(zhàn)，表明可以以更低的功耗實現(xiàn)更高效的傳感器應(yīng)用，并且通過將部分智能轉(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，它們可以提供更好的結(jié)果和更顯著的節(jié)能效果。聽起來好得令人難以置信，但這項技術(shù)突破是 ST 新型慣性傳感器 LSM6DSOX 原型的核心，其中包括機器學(xué)習(xí)處理器 （MLP）和有限狀態(tài)機 （FSM）。

具有機器學(xué)習(xí)功能的傳感器

習(xí)是計算機科學(xué)的一個領(lǐng)域，它研究巨大的數(shù)據(jù)集如何教機器，以及這臺機器將如何反過來應(yīng)用它學(xué)到的知識來做出決策。機器學(xué)習(xí)是一個非常龐大的主題，它服務(wù)于許多不同的應(yīng)用程序。但是，當(dāng)機器必須從各種數(shù)據(jù)點得出結(jié)論時，它通常會使用決策樹。決策樹是由節(jié)點組成的結(jié)構(gòu)，每個節(jié)點擁有一個或多個分支。當(dāng)系統(tǒng)處理信息時，它將穿過不同的分支，直到到達(dá)葉子，這代表機器將返回的結(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器學(xué)習(xí)處理器，具有多達(dá) 8 個可配置的決策樹。這意味著，傳感器中的決策樹無需使用主機微控制器 （MCU） 來運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行感應(yīng)算法消耗。因此，系統(tǒng)可以通過簡單地觀察用戶的動作并從預(yù)定義的模式進(jìn)行推斷來識別特定的活動、攜帶位置或計算步數(shù)。

具有有限狀態(tài)機的傳感器

LSM6DSOX 還依賴于有限狀態(tài)機，該模型使用一定數(shù)量的預(yù)定義狀態(tài)以及一系列輸入來提供輸出。在其最基本的形式中，它使用順序邏輯來做出決策。例如，我們可以想象一個 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，與更多價的計算系統(tǒng)不同，F(xiàn)SM 不能執(zhí)行某些計算。

Castellano 博士和合著者（R. Bassoli、M. Bianco、A. Cagidiaco、C. Crippa、M. Ferraina、M. Leo、SP Rivolta）意識到有限狀態(tài)機在運行演繹算法以確保傳感器方面表現(xiàn)出色可以檢測產(chǎn)品是朝上還是朝下、自由落體、被用戶撿起，甚至監(jiān)控某些健身活動等等。因此，LSM6DSOX 具有多達(dá) 16 個獨立的 FSM，這些 FSM 在本質(zhì)上非常簡單，但高度可配置，例如閾值或定時器比較。因此，如果開發(fā)人員想要檢測手腕傾斜來打開或關(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會產(chǎn)生中斷，從而根據(jù)用戶的動作打開或關(guān)閉屏幕。

此外，LSM6DSOX 的 MLP 和 FSM 不是獨立的孤島，可以相互通知。例如，可以通過組件的決策樹之一運行 FSM 的結(jié)果，以排除可能引發(fā)錯誤中斷的誤報。

來自 ST 的傳感器

我們在低功耗應(yīng)用中的機器學(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現(xiàn)類似結(jié)果的更小、更智能的設(shè)備打開了大門。Castellano 博士的團(tuán)隊致力于現(xiàn)實架構(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，同樣重要的是要強調(diào)這種新型傳感器是可能的，因為 ST 的所有成員都聚集在一起。事實上，訓(xùn)練機器學(xué)習(xí)模塊的數(shù)據(jù)集來自 ST 員工自己。我們組織了一場全球性的運動來跟蹤人們的運動并教導(dǎo)系統(tǒng)從收集的模式中識別某些活動。這是一項至關(guān)重要的努力，因為數(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)造未來的傳感器，真是一種特別的感覺。

審核編輯：郭婷