機械学習

ホスト・プロセッサの負荷を軽減するコンスーマ機器・産業機器向けの機械学習コア内蔵
6軸モーション・センサ iNEMO™

機械学習コア

人工知能(AI)アプリケーションの1つである機械学習は、明示的なプログラミングなしで、マシンの自律的な学習、あるいは教師あり学習を実現します。これにより、システムは収集されたデータの精度を損うことなく自動的に経験から学び、その能力を向上させます。また、機械学習の処理機能を利用することで、一部のアルゴリズムをホスト・プロセッサからモーション・センサに移すことができ、同じ標準タスクに対するモーション・センサの消費電力をマイクロコントローラ(マイコン)のわずか100分の1未満にすることができます。機械学習コアは優れた電力効率で動作するよう設計されており、可能な限り最短で正確な結果を提供します。また、メタ分類器により、特定のケースでのデータ精度向上も可能です。

大量のデータ・セットと高い処理能力を用いるディシジョン・ツリーを作成し、同じモーション・センサ上の最適化された機械学習コアにおいて実行することで、機械学習をセンサを応用したアプリケーション開発が可能になります。

メリット

  • 適切なデータ・セットが手に入る場合、明示的なプログラミングに比べてディシジョン・ツリーの作成や更新をはるかに速く行うことが可能
  • 一部のアルゴリズムをホスト・プロセッサからモーション・センサに移すことで、同じ標準タスクに対し、消費電力はマイコンの 1000分の1程度となり、超低消費電力のエッジ・コンピューティングの実現に貢献
  • 機械学習コア搭載モーション・センサは、最大8つのディシジョン・ツリーを独立して同時に実行できるため、優れた設計柔軟性を実現

STの機械学習コア搭載モーション・センサ

LSM6DS0X

LSM6DSOXは、3軸加速度センサと3軸ジャイロ・センサを搭載し、わずか0.55mAという低い標準消費電流でバッテリの負荷を最小限に抑えつつ、機械学習コアを使用して複雑な動きをトラッキングします。

LSM6DSRX

コンスーマ・グレードのLSM6DSRXは、3軸加速度センサと3軸デジタル・ジャイロ・センサを搭載し、最大±4000dpsの角速度測定範囲が特徴です。

ISM330DHCX

インダストリアル・グレードのISM330DHCXは、動作温度範囲が-40℃~+105℃で、内蔵の温度補正機能による優れた安定性が特徴のほか、10年間の長期供給保証の対象です。

iNEMO™モーション・センサによるインテリジェントなセンシング

3つのブロックを中心に構築

machine learning core

内蔵センサ(加速度センサおよびジャイロ・センサ)によりフィルタ処理されたリアルタイムのモーション・データが演算ブロックに送信され、そこで「特徴量」として定義された統計パラメータが取得されたデータに適用されます。演算ブロックで集約された特徴量は、機械学習コアの3つ目のブロックの入力情報として使用されます。

ディシジョン・ツリーは、統計パラメータを評価して所定の閾値と比較することで状況を識別したり、マイコンに送信する結果を生成します(下記のエンド・ユーザのケースなど)。機械学習コアの結果は、ディシジョン・ツリーの出力結果であり、オプションのメタ分類器も含まれます。

LSM6DSOX ベースのディシジョン・ツリー構成例

human activity recognition using machine learning

STの機械学習コアの構成サンプルをご利用ください

 

ディシジョン・ツリーの構築

iNEMO™モーション・センサは、独自の組込み機械学習アルゴリズムの作成と、アプリケーションに最適なディシジョン・ツリーの構築を可能にすることで、幅広い設計の可能性を提供します。

1

データの収集

初めに、モデル化するモーション関連アプリケーションの適切なデータ・セットを収集します。

2

データと構成用特徴量のラベリングおよびフィルタ処理

データ収集後、識別結果(「ジョギング」、「故障モード」など)に関連する統計データのパターンごとにラベルを割り当てます。これにより、演算ブロック(フィルタと特徴量)が構成されます。

3

ディシジョン・ツリーの構築

Weka(データ・マイニング・タスク用機械学習アルゴリズムのPCベースのオープンソース・コレクション)などの機械学習ツールを使用して設定を生成し、標本データ内のしきい値を特定することで、検知するモーション・データの種類を認識するためのディシジョン・ツリーを構築します。

4

機械学習コアへのディシジョン・ツリーの組込み

Wekaなどのツールにより、センサにアップロードされる構成ファイルが生成されれば準備完了です。

関連リソース

サポート & フィードバック