Suchen

Edge-KI-Produkte schneller entwickeln

| Redakteur: Michael Eckstein

Chiphersteller Microchip arbeitet mit Anbietern von Machine-Learning (ML)-Software zusammen. Ziel ist es, das Entwickeln von Edge-KI-Produkten auf Basis von 32-Bit-Mikrocontrollern zu vereinfachen.

Firmen zum Thema

Kompakt: Das SAMD21-basierte ML-Evaluation-Kit EV45Y33A arbeitet mit einer inertialen Messeinheit (IMU) von BOSCH. Über die MPLAB-X-IDE können Entwickler direkt auf die ML-Funktionen der KI-Partner zugreifen.
Kompakt: Das SAMD21-basierte ML-Evaluation-Kit EV45Y33A arbeitet mit einer inertialen Messeinheit (IMU) von BOSCH. Über die MPLAB-X-IDE können Entwickler direkt auf die ML-Funktionen der KI-Partner zugreifen.
(Bild: Microchip)

Cartesiam, Edge Impulse und Motion Gestures integrieren ihre Machine-Learning-(ML-)Modelle in die „MPLAB X“-Entwicklungsumgebung von Microchip. Entwickler sollen dadurch direkt aus der IDE heraus auf die ML-Modelle zugreifen und diese in ihre Schaltungen integrieren und testen können.

Immer mehr am Edge eingesetzte Embedded-Produkte enthalten KI-Funktionen. Meist verarbeiten sie Daten mithilfe vortrainierter Neuronaler Netze (NN). Diese Inferenzaufgaben können verhältnismäßig einfache Mikrocontroller (MCU) übernehmen, Highend-Rechenleistung ist eher beim Anlernen, Trainieren und Optimieren der NN nötig.

Damit Entwickler von Embedded-Inferenzanwendungen schneller zum Ziel gelangen, hat der US-amerikanische Halbleiterhersteller Microchip eine Zusammenarbeit mit den Unternehmen Cartesiam, Edge Impulse und Motion Gestures vereinbart: Microchip hat eine Programmierschnittstelle in seine integrierte Entwicklungsumgebung (Integrated Development Environment, IDE) „MPLAB X“ eingebaut, über die die Anbieter ihre spezialisierten DSP- und ML-Algorithmen und -Bibliotheken andocken können. So können Entwickler von Edge-KI-Produkten, die ARM-Cortex-basierte 32-Bit-MCUs und -MPUs von Microchip einsetzen, direkt beim Designprozess darauf zugreifen.

Dadurch sei es möglich, „Entwickler in allen Phasen ihrer KI/ML-Projekte zu unterstützen, einschließlich Datenerfassung, Schulung der Modelle und Inferenzimplementierung“, sagt Fanie Duvenhage, Vizepräsidentin der Human Machine Interface and Touch Function Group von Microchip. Nach ihren Angaben kommen die eigenen MCUs und MPUs verstärkt in Intelligent-Edge-Applikationen zum Einsatz. Umso besser sei es da, wenn „diese ML-Designs für jeden Entwickler eingebetteter Systeme leicht zu implementieren sind“. Die Integration der Partnerlösungen in die eigene IDE vereinfache zudem das Testen mit den ML-Evaluierungskits von Microchip, etwa dem EV18H79A oder EV45Y33A.

Partner-Angebote mit spezifischen Egde-KI-Funktionen

Das 2016 unter anderem von ehemaligen IBM-KI-Experten gegründete Unternehmen Cartesiam hat sich auf KI-Entwicklungswerkzeuge für MCUs spezialisiert. Nach eigenen Angaben können Embedded-Entwickler mithilfe der patentierten Entwicklungsumgebung „NanoEdge AI Studio“ ohne jegliche Vorkenntnisse auf dem Gebiet der künstlichen Intelligenz schnell spezialisierte Bibliotheken für das maschinelle Lernen von Mikrocontrollern entwickeln. Die eigene Technik sei bereits in vielen Geräten weltweit im Einsatz.

„Edge Impulse“ des gleichnamigen Unternehmens ist nach eigenen Angaben eine Ende-zu-Ende-Entwicklerplattform für eingebettetes maschinelles Lernen. Darauf basierende Produkte könnten in Industrie- wie auch in Consumer-Märkten verwendet werden, zum Beispiel als Wearables. Die Plattform ist für Entwickler kostenlos. Integrierte Datensatzsammlungen, DSP- und ML-Algorithmen, Tests und hocheffiziente Inferenzcode-Generierung sollen sich für ein breites Spektrum von Sensor-, Audio- und Bildverarbeitungsanwendungen eignen.

Motion Gestures, ein erst 2017 gegründetes Unternehmen, hat sich auf eingebettete, KI-basierte Gestenerkennungssoftware für verschiedene Sensoren spezialisiert – etwa Berührung, Bewegung (d.h. IMU) und Vision. Ein Hauptaugenmerk liegt auf inertialen Messeinheiten (englisch inertial measurement unit, IMU), also eine räumliche Kombination mehrerer Inertial-Sensoren wie Beschleunigungssensoren und Drehratensensoren, wie sie in Trägheitsnavigationssystemen etwa zum Bestimmen des aktuellen fahrdynamischen Zustands eines Fahrzeugs zum Einsatz kommen.

Laut Motion Gesture erfordert die eigene Plattform im Gegensatz zu herkömmlichen Lösungen keine Trainingsdatenerfassung oder Programmierung. Dies soll die Entwicklungszeit und -kosten für Gestensoftware um Faktor 10 reduzieren. Gleichzeitig verspricht der Hersteller eine Genauigkeit der Gestenerkennung von nahezu 100%.

(ID:46863165)