當前，人工智能（Artificial Intelligence，AI）發(fā)展勢頭愈發(fā)強勁，呈現(xiàn)出一種不可阻擋的迅猛態(tài)勢。從廣為人知的大型語言模型（Large Language Models，LLMs）如ChatGPT、文心一言、通義等，這些模型以其卓越的自然語言處理能力，引領(lǐng)著人機交互的新風尚，到邊緣計算領(lǐng)域的AI應(yīng)用，諸如精準的語音識別技術(shù)、高效的人臉識別系統(tǒng)，AI正以前所未有的深度和廣度滲透到社會的各個角落。越來越多的行業(yè)與群體開始密切關(guān)注并積極接納這一革命性的新技術(shù)。無論是金融、醫(yī)療、教育還是娛樂、制造、交通等領(lǐng)域，AI都以其獨特的價值主張——提高生產(chǎn)效率、優(yōu)化決策過程、增強用戶體驗等，成為推動行業(yè)轉(zhuǎn)型升級的重要力量。

瑞薩電子，作為國際一流的知名嵌入式處理器專業(yè)制造商，憑借其深厚的行業(yè)積淀與卓越的技術(shù)實力，為客戶提供了豐富的嵌入式處理器產(chǎn)品，涵蓋多種架構(gòu)的MCU（微控制器）與MPU（微處理器）系列，充分滿足了不同應(yīng)用場景下的多樣化需求。公司巧妙地通過以語音（voice），實時分析（Real Time Analytics）RTA，Vision（視覺）三大AI領(lǐng)域方向為橋梁，精妙地串聯(lián)起低功耗設(shè)計，傳感器融合，電機控制，人機界面，無線通信，電容式觸摸，云連接，功能安全和網(wǎng)絡(luò)安全等一系列關(guān)鍵技術(shù)，為客戶在廣泛的領(lǐng)域——包括家庭智能化、建筑自動化、工業(yè)自動化升級、消費電子創(chuàng)新、現(xiàn)代農(nóng)業(yè)轉(zhuǎn)型、健康管理優(yōu)化、城市基礎(chǔ)設(shè)施智能化、通信設(shè)備革新以及汽車電子發(fā)展等方面，顯著提升了產(chǎn)品的智能化水平，推動了各行業(yè)的數(shù)字化轉(zhuǎn)型與智能化升級。

瑞薩電子推出的Reality AI工具（以下簡稱為Reality AI Tool）使工程師能夠基于高級信號處理生成和構(gòu)建TinyML/Edge AI模型。用戶可以自動探索傳感器數(shù)據(jù)并生成優(yōu)化模型。Reality AI工具包含一系列分析功能，可用于尋找最佳傳感器或最佳傳感器組合、傳感器放置位置以及自動生成組件規(guī)格，還包括完全可解釋的時域/頻域模型功能，以及部署在瑞薩電子的全系列MCU（RA/RX/RL78）和MPU（RZ）平臺執(zhí)行的優(yōu)化代碼。

目前，Reality AI Tool已經(jīng)推出Reality AI Explorer版本，它為用戶提供免費的，全面的自助式評估沙盒訪問權(quán)限。符合條件的客戶現(xiàn)在就可以訪問（您可復(fù)制下方鏈接至瀏覽器或掃描二維碼進行查看），了解并使用Reality AI Tool的全部功能，包括自動化AI模型構(gòu)建、驗證和部署模塊。

Reality AI Tools

https://www.renesas.com/en/software-tool/reality-ai-tools

訓練數(shù)據(jù)是AI訓練中非常重要的一部分，訓練數(shù)據(jù)的質(zhì)量直接影響AI模型的性能。高質(zhì)量的數(shù)據(jù)（準確性、完整性、可信度和一致性高）能夠確保模型學習到正確的模式和關(guān)系，從而在實際應(yīng)用中表現(xiàn)出高效性和準確性。相反，劣質(zhì)的數(shù)據(jù)會導(dǎo)致模型學到錯誤的知識，增加應(yīng)用風險。同時訓練數(shù)據(jù)采集是構(gòu)建AI模型的重要步驟，它涉及從各種來源收集、整理和分析數(shù)據(jù)的過程。

瑞薩電子將自身的e2studio開發(fā)環(huán)境和Reality AI Tool整合，用戶可以通過e2studio中的數(shù)據(jù)插件采集訓練數(shù)據(jù)，與Reality AI Tool無縫對接。RA，RX，RL78系列MCU都支持e2 studio中的數(shù)據(jù)采集插件。

在FSP中新增了數(shù)據(jù)采集模塊，Data Collector（數(shù)據(jù)采集器）和Data Shipper（數(shù)據(jù)發(fā)送器）。Data Collector用來采集訓練數(shù)據(jù)，Data Shipper用來發(fā)送數(shù)據(jù)給PC。通過這些模塊，用戶可以：

接收數(shù)據(jù)并保存成標準格式的WAV/CSV文件。

管理數(shù)據(jù)文件。

數(shù)據(jù)文件打標。

下圖是瑞薩電子的Reality AI的RealityCheck Motor框圖。通過e2studio中的數(shù)據(jù)采集插件（黃色部分），采集AD通道上的直流無刷電機的UVW的相位等數(shù)據(jù)，不需要額外傳感器，來實現(xiàn)電機的失衡（Unbalanced）狀態(tài)檢測。

Data Collector – 數(shù)據(jù)采集器

從指定地址讀取數(shù)據(jù)，或者用戶可以提供數(shù)據(jù)給數(shù)據(jù)收集器。

兩種模式：Snapshot mode（快照模式），Data feed mode（數(shù)據(jù)傳輸模式）。

最多支持同時16通道（Snapshot mode，8通道，Data feed mode，8通道）傳感器數(shù)據(jù)采集。

Snapshot mode（快照模式）

Data Collector讀取傳感器數(shù)據(jù)。通過FSP中定時或者事件模塊，觸發(fā)Data Collector數(shù)據(jù)采集。

適合采集ADC，Microphone等數(shù)據(jù)。

Data feed mode（數(shù)據(jù)傳輸模式）

將數(shù)據(jù)從傳感器推送到data Collector，時序由傳感器決定。

數(shù)字傳感器通過I2C/SPI提供時序。如：I2C加速度傳感器。

每個數(shù)據(jù)采集器中的每種模式最多支持8通道傳感器數(shù)據(jù)采集。

用戶可以通過FSP的圖形界面新增和配置Data Collector與Data Shipper模塊。

另外，可以查閱FSP的用戶手冊（user manual）來了解并學習Data Collector與Data Shipper模塊的API說明和示例代碼。用戶手冊在e2 studio的安裝目錄下的fsp_documentation路徑下。注意，每個版本的e2 studio安裝路徑略有不同，需要根據(jù)實際情況訪問fsp_documentation文件夾。

Data Collector API與示例代碼

API主要涉及Data Collector的相關(guān)配置和打開，關(guān)閉等操作。具體說明，請參考FSP使用手冊。

具體路徑為：

注意：紅色部分根據(jù)自己的e2 studio安裝路徑修改。

Data Shipper API與示例代碼

API主要涉及Data Shipper的打開，關(guān)閉，讀寫等操作。具體說明，請參考FSP使用手冊。具體路徑為：

具體路徑為：

注意：紅色部分根據(jù)自己的e2 studio安裝路徑修改。