Dans le domaine de l’intelligence artificielle appliquée à l’Internet des objets, l’heure est à rapatrier les algorithmes d’apprentissage automatique au plus près des sources de données jusqu’au niveau des passerelles IoT, des objets, voire des capteurs eux-mêmes ...(lire notamment notre article AIStorm lève 13,2 M$ pour amener l’IA au plus près des capteurs analogiques). STMicroelectronics s’inscrit quelque peu dans cette tendance en dévoilant un capteur inertiel évolué qui intègre une technologie d’apprentissage automatique capable de classer les données de mouvement selon des récurrences connues, et ce afin d’améliorer le suivi d’activités.

En déchargeant le processeur hôte de cette tâche, le capteur iNEMO LSM6DSOX du fournisseur franco-italien permet en outre, affirme ST, de réduire la consommation d’énergie, pour un allongement de l’autonomie des smartphones, des dispositifs électroniques portés sur soi ou des télécommandes de jeux, et d'accélérer des applications reposant sur la reconnaissance des mouvements, comme la surveillance du bien-être, la navigation personnelle, la détection de chute ou le suivi d’activités sportives. L’objectif étant de proposer une expérience utilisateur toujours active qui soit à la fois agréable et réactive sans grever le budget énergétique de la batterie ou des piles.

Dans le détail, le détecteur LSM6DSOX embarque un accéléromètre Mems 3D ainsi qu’un gyromètre Mems 3D et s’avère apte à suivre des mouvements complexes en utilisant le cœur d’apprentissage automatique pour une consommation typique de 0,55 mA. Ce cœur, explique STMicroelectronics, fonctionne en coordination avec la logique de machine à états finis intégrée pour assurer la reconnaissance d’enchaînements (ou patterns) de mouvements et la détection de vibrations. Les concepteurs de produits peuvent entraîner le cœur à une procédure de classification bâtie sur un arbre de décision avec l’outil Weka, une application open source sur PC, afin de générer des règles et des limites à partir d’échantillons de données telles que l’accélération, la vitesse et la déclinaison magnétique qui caractérisent les types de mouvements à détecter.

Le capteur est également équipé d’une capacité mémoire supérieure à celles des détecteurs de mouvement conventionnels et d’une interface numérique I3C haut débit, des choix architecturaux qui permettent de diminuer la fréquence des interactions avec le contrôleur hôte et de réduire les temps de connexion pour des économies d’énergie supplémentaires.

Vous pouvez aussi suivre nos actualités sur la vitrine LinkedIN de L'Embarqué consacrée à l’intelligence artificielle dans l’embarqué : Embedded-IA https://www.linkedin.com/showcase/embedded-ia/