シームレスなAI統合を目指しているメーカーに最適なソリューションである NanoEdge AI Studioを使用して、Arduinoプロジェクトの可能性を広げましょう。 Arduinoのシンプルさを高く評価するメーカーにとって、AI開発への移行は難しく感じるかもしれません。しかし、恐れることはありません。NanoEdge AIを使用すればプロセスを簡素化できます。

じゃんけんプロジェクトに AIを追加したいのに、専門知識がない場合でも、 NanoEdgeを使用すれば、AI知識は必要ありません。 直観的なインタフェースと Arduino IDEとの互換性により、NanoEdge AI Studioがあなたに代わって複雑な処理を行います。

データを収集し、NanoEdge AI Studioにインポートするだけで、最適なモデルを自動で探します。 経験豊富なメーカーも、起業したばかりのメーカーも、 NanoEdge AIがあればArduinoプロジェクトへのAIの統合を難なくこなせます

アプローチ

目的は、 Arduino IDENanoEdge AI Studioを使用してAIじゃんけんの簡単なデモを作成することです。 これらのツールを選んだ理由は シンプルさで、このデモはわずか2~3時間で作成できます。
詳細な手順ガイドは こちらからご覧いただけます。

まず、ToF測距センサを使用して、以下の4クラスのデータを収集しました(データセットは こちらからダウンロードできます)。

  • アイドル状態を表す空
  • グーのジェスチャ
  • パーのジェスチャ
  • チョキのジェスチャ


ToF測距センサは8 x 8行列データを出力します。これを64サイズの信号に整形し直します。
NanoEdgeは、この4クラスを認識できる最適なAIライブラリをベンチマークして特定するのに役立ちました。
NanoEdge AI Studioバージョン4.4では、Arduino IDE互換のライブラリ・コンパイルが可能になりました。

仕上げとして、Arduino IDEで実際のデモを作成します。

  • NanoEdge AIライブラリとともに、必要なライブラリ(TOF、ディスプレイなど)をインポートします。
  • ToFデータを収集し、AIに検出させるためのメイン・コードを作成します。
  • プレーヤとAIが出したサインを両方表示します。


これで遊ぶ準備ができました!

センサ

マルチゾーン対応ToF測距センサ(リファレンス・デバイス: VL53L5CX

データ

4クラスのデータ空、グー、チョキ、パー
データ64(ToFからの8 x 8行列)

結果

精度:95.8%、使用RAM:1.1KB、使用Flashメモリ:111.3KB

tuto-arduino-benchmark-results tuto-arduino-benchmark-results tuto-arduino-benchmark-results
モデル作成ツール
NanoEdge AI Studio
NanoEdge AI Studio
対応製品

STM32マイコン

STM32マイコン
リソース

モデル作成ツール NanoEdge AI Studio

要件に合った最適なAIモデルを簡単に見つけられるようユーザをステップ・バイ・ステップでガイドし、組込みプロジェクトにAIを追加できる無償のAuto MLソフトウェアです。

NanoEdge AI Studio NanoEdge AI Studio NanoEdge AI Studio

対応製品 STM32マイコン

Arm® Cortex®-Mベース32bitマイコンのSTM32ファミリは、マイコン・ユーザに高いレベルの自由を提供します。完全統合性および開発の容易さを維持しながら、高性能、リアルタイム性能、豊富な機能、デジタル信号処理、低消費電力 / 低電圧駆動、およびコネクティビティを兼ね備えた製品を提供します。

STM32マイコン STM32マイコン STM32マイコン
You might also be interested by

パートナー | スマート・シティ | 輸送 物流 | 画像 | STM32Cube.AI | STM32 AI MCU | ビデオ

Irida LabsのビジョンAIに基づくナンバープレート識別(ANPR)

スマート・シティ・アプリケーション向けに自動ナンバープレート識別(ANPR)を実現する、STM32マイコン上のビジョンAIで動作するソリューション

エンターテインメント | 画像認識 | 画像 | STM32Cube.AI | デモ | チュートリアル | GitHub | ビデオ

フィットネス用のスマート・ミラー:姿勢推定および複数人物トラッキング

STM32N6は、ユーザの身体の動きを28 FPSで追跡および分析して、エクササイズに関するフィードバックを提供します。

チュートリアル | デモ | MEMS MLC | 加速度センサ | 産業機器 | 予知保全

STWIN.boxを使用してファンコイル・システムを監視および分類する方法

MEMSセンサ内蔵の機械学習コアを使ってファン(冷暖房空調設備など)の挙動を監視、分類します。