Comments 20
embedded AI core
MLC, Machine learning core
Это маркетинговые названия. Реально "Machine learning" реализовано с помощью внешнего ПО.
"Embedded AI" - это если можно было бы послать в датчик команду "Обучение", затем помахать устройством, и датчик сам сформировал бы паттерн для этого движения.
К примеру BHI260AP Self-learning AI smart sensor with integrated IMU. Но это не IMU с embedded AI, а устройство на основе микроконтроллера. Микроконтроллер выполняет программу, реализующую функции обучения.
В чем маркетинговое лукавство ST - в том что они обещают "встроенный AI", но реально для функции обучения нужен компьютер с специальным ПО, и участие человека.
С натяжкой допустимо называть такие датчики "с поддержкой функций искусственного интеллекта". Обычные датчики только выдают базовые данные - например ускорение, и формируют прерывание по уровню. А "интеллектуальные" формируют прерывание по последовательности значений ускорения, характерной для определенного действия. Это уже функция распознавания сложного события, а не просто удара при падении, и формально относится к функциям AI.
Никакого ИИ в гироскопе нет и не может быть. Маркетологи уже в край опухли.
Никакого ИИ в гироскопе нет
Да, название кликбейт. Гироскоп с поддержкой функций распознавания движений, на основе паттернов. Сами паттерны движений вычисляются специальным ПО.
Как это использовать:
Собрать микропроцессорное устройство с этим гироскопом.
Реализовать функцию сохранения потока данных с гироскопа в память достаточного объема.
Включить запись потока данных и помахать устройством.
Записанный поток данных пометить меткой "Махаю устройством, как дурак", и отправить в облако для обработки.
В облаке на основе записанных данных будет создан блок данных для загрузки в гироскоп. Этот блок данных нужно будет загружать в гироскоп при инициализации устройства.
После этого, если помахать устройством так же как при записи потока, то гироскоп распознает этот тип движения, и передаст метку устройству. Тогда устройство сообщит - "Ага, опять машешь устройством, как дурак. Мне гироскоп все рассказал."
Кликбейта никакого нет. В тексте размещена ссылка на сам датчик. Дословно заголовок звучит так:
"6-axis IMU (inertial measurement unit) with dual accelerometer up to 320 g and embedded AI for activity tracking and high-impact sensing"
Дословный перевод, Google-переводчиком:
"6-осевой инерциальный измерительный блок (IMU) с двумя акселерометрами, выдерживающими нагрузку до 320 g, и встроенным искусственным интеллектом для отслеживания активности и определения сильных ударов."
Или вы думаете STMicroelectronics занимается обманом?
Второе, сам по себе датчик реализует интересный подход обработки данных без написание кода, т.е. no-code.
Третье, идет речь не про отдельный модуль гироскопа, а про MEMS-датчик LSM6DSV320X.
Кликбейта никакого нет. В тексте размещена ссылка на сам датчик. Дословно заголовок звучит так
Это было не про название статьи, а про маркетинговое описание девайса самим производителем. В продолжение первого комментария, о том что "Маркетологи уже в край опухли."
Интересно есть ли где то в открытом доступе уже готовые модели для распознавания активностей в тренажёрном зале?
Во первых, это не гироскоп. Это иму, в сборе которой ортогональная сборка из 3х ДУС и 3х акселерометров.
Во вторых, если подразумевать под ии искусственную нейронную сеть, то они в распозновании сигналов вообще и тем более данных с иму в частности используются давно и успешно. В плане структуры они гтраздо проще чем находящиеся на слуху сверточные и трансформерные, и засунуть их на подобную имушку особых проблем я не вижу.
Во первых, это не гироскоп. Это иму,
В разговоре это называют "гироскоп". "Акселерометр" слишком длинно, а "иму" звучит невнятно. Из контекста понятно о чем идет речь.
если подразумевать под ии искусственную нейронную сеть
Нейронная сеть это не ИИ. Это вообще абстракция. Можно из нескольких аналоговых компараторов собрать схему типа "нейронная сеть".
В плане структуры они гораздо проще чем находящиеся на слуху сверточные и трансформерные
Настолько проще, что их уже нельзя называть ИИ. Внутри датчика находятся схемы сравнения с шаблоном, и машина состояний. Шаблоны создаются с помощью специального ПО.
https://www.st.com/resource/en/application_note/an6292-lsm6dsv320x-machine-learning-core-stmicroelectronics.pdf
Настолько проще, что их уже нельзя называть ИИ
Хорошо, а как их называть? Как терминологически подобные датчики отделить от остальных. У меня есть "Smart Socket Wi-fi", в переводе это умная розетка. Но мы понимаем, что ничего "умного" в ней нет. Это обычная розетка с реле и МК, где к МК можно подключиться удаленно по Wi-Fi и управлять вкл/выкл. Технически правильнее название "Remote controlled socket". Но с точки зрения маркетинга, мы условились, что подобные устройства с приставкой "smart" означают наличие удаленного управления.
Это я уже не говорю про "smartphone", технически это КПК со встроенным модулем мобильной связи. А если точнее "коммуникатор". Но вы же не говорите, а у тебя коммуникатор работает на Android?
Во вторых, если подразумевать под ии искусственную нейронную сеть, то они в распозновании сигналов вообще и тем более данных с иму в частности используются давно и успешно.
Там деревья решений используются, а не ИНС. Формально это алгоритм ML. А называть его ИИ или нет, вопрос терминологии
, вся обработка выполняется на основном процессоре смартфона или микроконтроллера. Для обработки поступающих данных от инерциального модуля, процессор должен быть постоянно в состояние активности. Например, для носимой электроники данный фактор не позволит отправить основной процессор в спящий режим. Вторая проблема заключается в большом лаге между наступлением события и реакции
Это давно есть в других датчиках, например, в одном из самых diy-популярных, mpu6050 - DMP (а ему лет 15 уже). Да, тут " выше, быстрее и сильнее", но принципы те же.
Никому не нужеы скучные не вайбовые "дрейф нуля", "нелинейность масштабного коэффициента". Главное написать про искуственный интеллект
ИИ наше все). Это предварительный обзор датчика без детального разбора и работы с ним. Датчик обладает большой функциональностью и достаточно сложен для меня. До этого с такими датчиками никогда не работал. Будет возможность собрать демо-стенд на базе ESP32, будет продолжение с детальным обзор и написанием кода.
В состав датчика входит embedded AI core (Machine Learning Core and Finite State Machine), где под ИИ подразумевается наличие ядра машинного обучения (MLC, Machine learning core) и конечного автомата (FSM, Finite State Machines).
embedded AI core
MLC, Machine learning core
Это маркетинговые названия. Реально "Machine learning" реализовано с помощью внешнего ПО.
"Embedded AI" - это если можно было бы послать в датчик команду "Обучение", затем помахать устройством, и датчик сам сформировал бы паттерн для этого движения.
К примеру BHI260AP Self-learning AI smart sensor with integrated IMU. Но это не IMU с embedded AI, а устройство на основе микроконтроллера. Микроконтроллер выполняет программу, реализующую функции обучения.
В чем маркетинговое лукавство ST - в том что они обещают "встроенный AI", но реально для функции обучения нужен компьютер с специальным ПО, и участие человека.
С натяжкой допустимо называть такие датчики "с поддержкой функций искусственного интеллекта". Обычные датчики только выдают базовые данные - например ускорение, и формируют прерывание по уровню. А "интеллектуальные" формируют прерывание по последовательности значений ускорения, характерной для определенного действия. Это уже функция распознавания сложного события, а не просто удара при падении, и формально относится к функциям AI.
Вы Гуглом хоть попользуйтесь.
The MLC can execute decision-tree algorithms directly on the sensor, using configurable nodes defined by "if-then-else" conditions. Input signals, represented by statistical parameters derived from sensor data, are compared against predefined thresholds for real-time processing. The MLC can also generate interrupts for changes in the decision tree's results, allowing for immediate actions based on processed data. By processing data locally, the MLC enhances power efficiency by minimizing communication with the main processor.
Это не "ядро процессора" и не имеет отношение к обучению. А всего лишь маркетинговое название одной из функций железа/прошивки датчика, которая может использовать данные машинного обучения (реализованного внешне)
Новый инерциальный MEMS-датчик LSM6DSV320X от ST c искусственным интеллектом для распознавания активности и ударов