ISM330IS传感器可在边缘实现更大的人工智能

ISM330IS，这是第一款配备智能传感器处理单元 （ISPU） 的传感器。意法半导体于2022年初宣布了该技术，其演示具有高度的象征意义，因为它证明了该技术即将推出。简而言之，ISPU 是一种 C 可编程嵌入式数字信号处理器 （DSP），能够运行机器学习和深度学习算法。因此，这是AI在边缘的下一次演变，或者意法半导体所说的“Onlife时代”。事实上，ISM330IS包括一个用于单位精度计算的浮点单元，这在运动传感器中尚属首次。

从创意到新一代传感器

意法半导体克服了哪些挑战？

回顾过去四年的重大创新以了解我们是如何走到这一步的，这一点至关重要。它始于意法半导体发表的一篇论文，研究惯性传感器内部机器学习内核的可行性。在这项研究之前，传感器只收集数据。因此，所有计算都必须在微控制器上进行。这个系统背后的原因相对简单。惯性传感器是小型低功耗器件。添加功能强大的处理器不仅会违反这些限制，还会带来重大的集成和制造挑战。然而，尽管将DSP和加速度计与陀螺仪结合在一起，意法半导体并没有损害处理能力、存储器存储或检测精度。

第一个具有机器学习核心的传感器完成了什么？

2018年意法半导体的论文具有开创性，因为它解决了这些挑战，推广了后来被称为LSM6DSOX的东西，这是有史以来第一个并行容纳八个决策树以运行机器学习算法的惯性传感器。因此，可以以一小部分功耗在本地运行应用程序。新的应用程序开始出现，特别是在将设备集成到SensorTile.box之后。例如，可以为留在车内的婴儿创建一个婴儿哭声探测器。同样，伦敦大学学院的两个项目通过自动化坐立测试并创建更易于使用的数字听诊器而掀起了波澜。

还有哪些传感器具有机器学习核心？

Unico GUI 和机器学习应用程序

LSM6DSOX也是一个新的开发者社区的开始。意法半导体在GitHub上提供了一个机器学习核心存储库，使Unico GUI软件工具更易于访问，以帮助程序员利用LSM6DSOX中的机器学习核心。此外，我们还发布了更强大的传感器。LSM6DSRX具有更好的性能，可以针对虚拟现实耳机等要求更高的应用。我们还推出了 LSM6DSV16X，它具有增强的机器学习内核和更好的每瓦性能比，适用于功率限制更严格的系统。因此，意法半导体的传感器采用机器学习核心，部分促成了下一个自动化时代的到来，而ISM330IS开启了这一传奇的重要新篇章。

从新的处理核心到新的应用

ISPU 是由什么组成的？

ISM330IS的细分

ISM330IS的ISPU为数据提供8 KB的RAM，为应用提供32 KB的RAM。它还具有运行在 32 MHz 的 10 位 RISC Harvard 架构、一个四级流水线、一个浮点单元和一组针对神经网络处理优化的 16 位长度指令。此外，虽然处理器只能在四个时钟周期内抛出中断（Arm Cortex内核通常在15个周期内完成），但它也可以在一个周期内处理16位乘法。它使用 SPI 或 I2C 与主机 MCU 通信。开发人员只需在启动时从主机处理器将 C 代码加载到 ISPU 的易失性存储器中。

FPU 使应用程序能够以更大的灵活性在边缘运行推理。一旦满足条件，程序就会向微控制器发出中断。同样，与上一代设备相比，该架构使ISPU能够提高性能，同时仍以微瓦级运行。因此，与以前的机器学习核心的决策树和更高效的系统相比，这是一个重大的飞跃。此外，尽管存在强大的计算能力，ISM330IS仍然适合市场标准的LGA封装，尺寸为3 mm x 2.5 mm x 0.83 mm。因此，设计人员不必在采用新部件时对PCB进行重大更改。

ISM330IS如何脱颖而出？

机器学习应用程序越来越普遍，许多人将它们与高内存需求、云计算服务器或高度并行的 GPU 架构相关联。许多程序确实需要昂贵的计算操作，这使得它们与边缘处理不兼容。然而，公司也知道并非所有深度学习系统都需要这种能力。因此，在智能手机等移动设备或本地工业装置上运行推理正在获得牵引力。图像识别、异常检测和预测性维护都需要在紧凑的功率范围内实现可靠的 AI 性能。同样，无线家庭安全系统的摄像头使用人工智能来识别人脸或宠物，ISPU可以为移动系统上的常亮显示器提供智能。

ISM330IS是应对这一挑战的新答案，因为它在高性能模式下只需要0.59 mA。相比之下，ISM330DHCX在类似条件下需要高达1.5 mA的电流。后者具有更强大的陀螺仪，除其他外，这确实部分解释了差异。但是，这些数字还显示了新设备中的优化和处理核心的效率。事实上，低功耗微控制器很少有FPU，因为它们通常需要大量能量。然而，ISM330IS仍然设法保持其功耗足够低，以适应电池供电的系统。

审核编辑：郭婷