TDK推出SmartEdgeMLTM赋能在6轴IMU上运行超低功耗的机器学习模型

MEMS传感器

TDK推出SmartEdgeMLTM赋能在6轴IMU上运行超低功耗的机器学习模型

• SmartEdgeML解决方案允许用户在传感器芯片上构建、测试、调试和部署机器学习 (ML) 模型

• SmartEdgeML包括：SmartMotion™ ICM-45686-S 6轴运动传感器、SmartBug 2.0评估套件和传感器推理框架 (SIF) 软件（可下载）

• SmartBug 2.0 (MD-45688-ML) 于2024年2月推出

TDK株式会社新近推出InvenSense SmartEdgeMLTM解决方案，这是一种先进的边缘机器学习解决方案，为用户提供了在可穿戴设备、可听戴设备、增强现实眼镜、物联网 (IoT) 等产品的传感器芯片上运行机器学习 (ML) 模型的新机遇。SmartEdgeML是首款在尺寸为2.5 x 3 mm的6轴运动传感器IMU（功耗<30 µA）上成功生成并运行机器学习模型的解决方案。

“ TDK的SmartEdgeML将会带来边缘机器学习市场的范式转变，因为它将允许开发人员、原始设计制造商（ODM）和原始设备制造商（OEM）仅仅依赖单颗IMU传感器芯片，就能通过机器学习来实现充分优化好的运动传感算法。能大幅减少传输到边缘处理器的原始数据量，从而延长设备的电池续航时间，保护数据隐私并减少系统延迟，”TDK株式会社旗下公司InvenSense运动传感器和软件业务部总监Sahil Choudhary表示。

TDK还公布了InvenSense SmartBug 2.0 (MD-45686-ML) 的上市时间。后者是一个由InvenSense ICM-45686-S IMU组成的多传感器无线模块，可作为用户开始使用InvenSense SIF机器学习软件和ICM-45686-S IMU的理想评估系统。

SmartEdgeML由以下三部分组成：

●SIF（传感器推理框架）软件：SIF是SmartEdgeML的软件组成，是TDK提供的完整机器学习框架，为用户提供了一个可收集IMU传感器数据、选择自定义功能、构建机器学习模型、测试机器学习模型、并通过SmartBug 2.0在ICM-45686-S IMU上部署和运行这些模型的一站式解决方案。已测试的示例包括各种算法，比如运动分类（深蹲、开合跳、侧平举或俯卧撑）和手腕手势分类（打斗、转身、摇晃或静止）等。

●ICM-45686-S IMU：这是SmartEdgeML的核心传感器芯片。SmartMotion ICM-45686-S是一款尺寸为2.5 x 3 mm的TDK BalancedGyro™系列IMU，能让机器学习的决策树模型以最低功耗（<30µA）在传感器内部运行这款新的IMU具有优异的温度稳定性和振动抑制能力，非常适合需要高性能和超低功耗机器学习算法的应用，比如增强现实和虚拟现实眼镜，光学防抖应用，无人机，TWS耳机和机器人等。

●SmartBug 2.0（机器学习版本）：MD-45686-ML这是SmartEdgeML的核心硬件平台，它配备ICM-45686-S 6轴运动传感器，并与SIF兼容。SmartBug 2.0的小尺寸和BLE + USB接口能让用户快速入门SIF，轻松使用从数据收集到构建ML模型，再到部署到ICM-45686-S IMU的所有功能，堪称入门使用SmartEdgeML的“神器”。

不到五分钟的时间，您就能学会如何在尺寸为2.5*3 mm的运动传感器上创建一个机器学习算法。

术语

• 边缘机器学习：传感器芯片上运行的机器学习

• IMU：惯性测量单元

• IoT：物联网

• SIF：传感器推理框架

• TWS：真无线立体声

主要应用

• 可听戴设备

• 可穿戴设备

• 增强现实眼镜

• 物联网 (IoT)

主要特点和优势

• 功能客制：用户能定义和定制自己偏好的应用场景，并五分钟内（使用AUTO模式）使用SIF构建运动传感器算法。用户还能根据其传感器算法要求配置自定义传感器设置、滤波器和功能。

• 数据隐私：用户保有数据并使用这些数据集测试ML模型，不用再依赖传感器供应商收集数据。

• 快速成型：SIF AUTO模式能让初学者在五分钟内学会创建ML模型。用户收集数据后，SIF会自动完成后续步骤。一旦模型/算法准备就绪并满足性能标准，TDK会提供一个集成指南，将最终算法成功运行到用户系统的ICM-45686-S IMU传感器上。这种基于IMU传感器端到端ML解决方案节省了数月的算法工作。

• 超低功耗：SmartEdgeML解决方案的功耗可低至<30 µA。低功耗能延长边缘处理器设备的休眠时间，而且只需处理自传感器的智能数据，显著延长了电池的续航时间和MIPS周期。

                                                                         

主要数据