11月4日，用于構(gòu)建智能物聯(lián)網(wǎng)（IoT）的AI工具開(kāi)發(fā)商SensiML?宣布與安森美（onsemi）合作，為自動(dòng)駕駛傳感器數(shù)據(jù)處理和預(yù)測(cè)建模提供完整的機(jī)器學(xué)習(xí)方案。此次合作結(jié)合了SensiML的Analytics Toolkit開(kāi)發(fā)軟件與安森美的RSL10傳感器開(kāi)發(fā)套件，從而為工業(yè)生產(chǎn)流程控制和監(jiān)測(cè)等邊緣感知應(yīng)用創(chuàng)建了一個(gè)理想的平臺(tái)。SensiML可在超小空間內(nèi)支持AI功能，加上RSL10平臺(tái)的先進(jìn)感知和Bluetooth?低功耗（Low Energy）聯(lián)接，能夠?qū)崿F(xiàn)先進(jìn)的智能感知，而無(wú)需對(duì)高度動(dòng)態(tài)的原始傳感器數(shù)據(jù)做云分析。
低功耗自動(dòng)駕駛邊緣節(jié)點(diǎn)應(yīng)用
采用業(yè)界最低功耗的藍(lán)牙低功耗聯(lián)接，安森美RSL10傳感器開(kāi)發(fā)套件可將RSL10無(wú)線電與全套環(huán)境和慣性運(yùn)動(dòng)傳感器整合在一塊極小的電路板上，隨時(shí)與SensiML Toolkit聯(lián)接。開(kāi)發(fā)人員會(huì)結(jié)合使用基于RSL10的平臺(tái)和SensiML軟件，從而輕松將低延遲的本地AI預(yù)測(cè)算法添加到工業(yè)可穿戴設(shè)備、機(jī)器人、過(guò)程控制或預(yù)測(cè)性維護(hù)應(yīng)用中，無(wú)論開(kāi)發(fā)人員是否擅長(zhǎng)數(shù)據(jù)科學(xué)和AI。由此產(chǎn)生的自動(dòng)生成的代碼賦能智能感知嵌入式終端，從而能在事件發(fā)生地將原始傳感器數(shù)據(jù)轉(zhuǎn)化為關(guān)鍵的洞察事件，并能實(shí)時(shí)采取適當(dāng)?shù)男袆?dòng)。此外，該智能終端還只在數(shù)據(jù)提供有價(jià)值信息時(shí)才會(huì)進(jìn)行通信，從而大大減少了網(wǎng)絡(luò)流量。
安森美應(yīng)用工程副總裁Dave Priscak表示：“對(duì)于關(guān)鍵工業(yè)生產(chǎn)工藝而言，基于云的分析會(huì)添加不必要的不確定延遲，且速度緩慢、距離較遠(yuǎn)，非常不可靠。與遠(yuǎn)程云學(xué)習(xí)分析相比，本地機(jī)器學(xué)習(xí)分析關(guān)鍵事件可媲美生產(chǎn)保持在線，且設(shè)備不會(huì)出現(xiàn)停機(jī)，并保障人員安全和生產(chǎn)力?！?BR> SensiM首席執(zhí)行官Chris Rogers表示：“根據(jù)最基本的AutoML規(guī)定，其他用于邊緣的AutoML方案僅采用神經(jīng)網(wǎng)絡(luò)分類模型，為特定應(yīng)用產(chǎn)生次優(yōu)代碼。我們?nèi)娴腁utoML模型搜索不僅包括神經(jīng)網(wǎng)絡(luò)，還包括一系列經(jīng)典的機(jī)器學(xué)習(xí)算法，以及分段器、功能選擇和數(shù)字信號(hào)調(diào)節(jié)變換，以提供最緊湊的模型，滿足應(yīng)用的性能需求?！?/P>
（轉(zhuǎn)載）
