gesponsertBahnbrechende eingebettete KI erreichen Komplette Standalone-Lösung für Sensordaten: vom Lernen bis zur Inferenz

Gesponsert von

ROHM Semiconductor GmbH

Entdecken Sie Solist-AI™, die innovative KI-Lösung von ROHM, die eine vollständige Standalone-Überwachung von Sensordaten direkt auf Endgeräten ermöglicht. Diese Technologie erkennt subtile Veränderungen in Sensorsignalen zur vorausschauenden Wartung, ohne auf Cloud-Dienste angewiesen zu sein. Mit dem AxICORE-ODL-Hardwarebeschleuniger liefert Solist-AI™ blitzschnelle Reaktionszeiten und eine effiziente Integration in bestehende Systeme. Revolutionieren Sie Ihre Anwendungsentwicklung mit dieser leistungsstarken KI-Lösung.

Künstliche Intelligenz wird oft mit Bildverarbeitung in Verbindung gebracht. Sie wird zur Erkennung von Objekten auf Bildern, zur Identifizierung von Gesichtern und zur Inspektion von Produktbildern eingesetzt. In jüngerer Zeit hat die generative Sprach-KI, die auf der Grundlage eines umfangreichen Trainings Texte erstellen kann, große Aufmerksamkeit erregt. Diese Arten von KI sind in erster Linie darauf ausgelegt, menschliche intellektuelle Tätigkeiten wie Erkennung und Erstellung zu duplizieren.

Gleichzeitig werden auch andere Arten von KI für Bereiche wie Industrieanlagen gesucht. Zum Beispiel KI, die subtile Veränderungen in Sensorsignalen erkennen kann, um Ausfälle vorherzusagen oder Anomalien zu erkennen. ROHM stellt Solist-AI™ vor, eine bahnbrechende KI-Lösung, die für solche Anwendungen optimiert ist und den gesamten Prozess – vom Lernen bis zur Inferenz – direkt auf eingebetteten Geräten durchführen kann. Durch die Integration eines dedizierten Hardware-KI-Beschleunigers in die MCU ermöglicht Solist-AI™ die Implementierung von eingebetteten KI-Systemen mit praktisch null Software-Overhead. Dieser Artikel befasst sich mit ROHMs Solist-AI™ und seinen verschiedenen Anwendungen.

Konventionelle KI vs. Solist-AI™

Die KI-Technologie entwickelt sich in rasantem Tempo weiter und hat verschiedene Arten von KI hervorgebracht, z. B. Spracherkennung, die Wörter aus menschlicher Sprache identifiziert, Bildverarbeitung, die Objekte und deren Zustand in Bildern erkennt, und Spracherzeugung, die Text als Antwort auf Fragen erstellt. Heute ist die KI zu einer grundlegenden Infrastruktur geworden, die Aktivitäten im täglichen Leben und in der Industrie unterstützt.

Um effektiv arbeiten zu können, müssen diese KIs ein umfangreiches Training mit großen Datensätzen absolvieren, um Inferenzmodelle für die Erkennung und Klassifizierung sowie umfangreiche Sprachmodelle für die Texterstellung zu entwickeln. Dieses Training wird in der Regel auf Cloud-Computern durchgeführt, die große Datenmengen mit hoher Geschwindigkeit verarbeiten können. Für die Inferenzverarbeitung gibt es verschiedene Ansätze.

Cloud-KI

Bei diesem Ansatz werden leistungsstarke Cloud-Computer verwendet, um Inferenzmodelle direkt auszuführen. Die an den Edge-Endpunkten erzeugten Daten werden zur Verarbeitung an die Cloud gesendet, was Herausforderungen wie Internet-Kommunikationskosten, Latenzzeiten und Bedenken hinsichtlich Datenschutz und Sicherheit aufwirft.

Edge-KI

Bei dieser Methode wird das Inferenzmodell vereinfacht und auf Edge-Computern eingesetzt, so dass die Inferenz lokal durchgeführt werden kann und die Rechenlast reduziert wird.

Endpunkt-KI

Ein fortschrittlicherer Ansatz vereinfacht das Inferenzmodell noch weiter, um die Inferenz direkt auf Endpunktgeräten, wie SoCs oder MCUs, zu ermöglichen. ROHM schlägt Solist-AI™ vor, eine KI-Lösung der nächsten Generation, die über konventionelle KI hinausgeht, indem sie das Lernen am Endpunkt durchführt und als eigenständiges System arbeitet, das keine Netzwerk- oder Cloud-Konnektivität benötigt (Abb. 1, Tabelle 1)

Solist-AI™ Merkmale

In Industrieanlagen, die in Fabriken und auf Baustellen eingesetzt werden, erfordert die Überwachung der Betriebsbedingungen und die Erkennung von Anomalien häufig den Einsatz verschiedener Sensoren. Traditionell wurde diese Art der Überwachung ohne KI durchgeführt. Stattdessen verließ man sich auf einfache Schaltungen und Software, um Signale zu erkennen, die vordefinierte Schwellenwerte überschreiten.

Herkömmliche KI kann zwar technisch für eine solche Überwachung eingesetzt werden, aber Faktoren wie der Aufwand für das Trainieren von Modellen in der Cloud, die erhöhten Kosten und der Stromverbrauch im Zusammenhang mit Edge-Side-Prozessoren sowie die Kosten für Cloud-Dienste und Internetkommunikation machen den Einsatz oft unpraktisch.

Solist-AI™ bietet einen anderen Ansatz, indem das gesamte KI-Überwachungssystem direkt auf dem Gerät vor Ort implementiert wird. Dadurch kann Solist-AI™ nicht nur Anomalien erkennen, nachdem sie aufgetreten sind, sondern auch potenzielle Störungen durch subtile Veränderungen der Sensorsignale identifizieren. Diese Fähigkeit ist besonders nützlich für die vorausschauende Wartung.

Bei Solist-AI™ findet das Lernen am Endpunkt statt, sodass sich das System an die spezifische Umgebung und die einzigartigen Merkmale jedes Geräts oder jeder Anlage anpassen kann. Darüber hinaus können weitere Lern- und Umschulungsmaßnahmen vor Ort durchgeführt werden, ohne auf externe Infrastrukturen angewiesen zu sein.

Wie Solist-AI™ funktioniert

Solist-AI™ verwendet ein dreischichtiges neuronales Netz, das aus einer Eingabeschicht, einer verborgenen (Zwischen-)Schicht und einer Ausgabeschicht besteht und anhand von Eingabedaten wie Sensorsignalen lernt und Schlussfolgerungen zieht. Darüber hinaus kann das Netzwerk Eingabedaten komprimieren, rekonstruieren und die Ergebnisse mit hoher Geschwindigkeit ausgeben, indem es dieselbe Hardware-Schaltung verwendet.

Während der Lernphase werden Parameter wie die Zwischenschicht und die Netzgewichte angepasst, um die Ausgabedaten mit den Eingabedaten in Einklang zu bringen. Anfänglich zeigt ein untrainiertes Solist-AI™ eine geringe Übereinstimmung zwischen Eingabe und Ausgabe, aber mit fortschreitendem Training verbessert sich die Konsistenz für die gelernten Daten.

Wenn in der Inferenzphase ein unbekanntes Eingangssignal mit den gelernten Daten übereinstimmt, sind Eingabe und Ausgabe konsistent, aber bei nicht gelernten Daten weichen Eingabe und Ausgabe erheblich voneinander ab. Indem das System mit normalen Sensorsignalen trainiert wird, kann Solist-AI™ Abweichungen von den Normalwerten anhand des Ausmaßes der Abweichung erkennen.

32-Bit-MCU für Solist-AI™

Um Solist-AI™ zu implementieren, muss die in Endgeräten verwendete MPU oder MCU mit KI-Lern- und Inferenzfunktionen ausgestattet sein. ROHM hat mit der Massenproduktion der ML63Q2500-Gruppe von 32-Bit-MCUs als erste Produkte der Reihe begonnen.

Die ML63Q2500-Gruppe wird von einem Arm^Ⓡ Cortex^Ⓡ-M0+-Kern angetrieben und verfügt über den AxICORE-ODL-Hardwarebeschleuniger, der die Hochgeschwindigkeitsausführung von Solist-AI™-Lern- und Inferenzprozessen ermöglicht (Tabelle 2).

(*Der AxICORE-ODL-Hardwarebeschleuniger: Ein Funktionsblock, der die Verarbeitungsgeschwindigkeit von KI-Funktionen durch den Einsatz von Hardware-Schaltkreisen anstelle von Software durch CPUs verbessert.)

Für industrielle Anwendungen konzipiert, ist ein umfassender Satz von Funktionen eingebaut, darunter ein CAN FD-Controller, 3-Phasen-Motorsteuerung PWM und 12-Bit-ADC x 12 Kanäle.

Ein herausragendes Merkmal von Solist-AI™ ist, dass alle KI-Berechnungen, sowohl beim Lernen als auch bei der Inferenz, vollständig vom AxICORE-ODL-Hardwarebeschleuniger übernommen werden. Dadurch bleibt die CPU für die Verarbeitung von Nicht-KI-Programmen verfügbar, und die Softwarelast für KI-Operationen ist praktisch gleich null.

AxICORE-ODL liefert Reaktionszeiten im Millisekundenbereich und führt Aufgaben in ca. 1/1000 der Zeit aus, die für softwarebasierte Verarbeitung benötigt wird. (*im Vergleich zum herkömmlichen Produkt von ROHM)

Entwicklungsunterstützende Tools der ML63Q2500-Gruppe

Die ML63Q2500-Gruppe von Standard-Arm^Ⓡ-Core-MCUs unterstützt die Verwendung von Allzweck-Tools für die Softwareentwicklung. Zusätzlich bietet ROHM seine eigene integrierte Arm^Ⓡ-Entwicklungsumgebung an. Für die Solist-AI™-Entwicklung bietet ROHM Tools wie einen KI-Simulator, der auf einem PC läuft, sowie einen Echtzeit-Viewer zur Visualisierung der internen MCU-Daten.

Es besteht keine Notwendigkeit für Cloud-basierte Tools oder KI-Frameworks wie TensorFlow^Ⓡ, die bei der herkömmlichen KI-Entwicklung verwendet werden.

Um die Hürde für die Einführung von KI für Kunden zu senken, entwickelt ROHM in Zusammenarbeit mit Partnerunternehmen ein Ökosystem. Durch die Bereitstellung eines breiten Spektrums an leicht einsetzbaren Lösungen ermöglicht ROHM seinen Kunden einen sofortigen Einsatz.

• Arm^Ⓡ und Cortex^Ⓡ sind eingetragene Marken der Arm Limited (oder ihrer Tochtergesellschaften) in den USA und anderen Ländern.

• TensorFlow^Ⓡ ist eine Marke oder eingetragene Marke von Google LLC.

• Solist-AI™ ist eine Marke oder eingetragene Marke von ROHM Co., Ltd.

Solist-AI™ ist der Markenname für die On-Device-KI-Lösung von ROHM, die für Edge-Computing-Anwendungen entwickelt wurde. In Anlehnung an den musikalischen Begriff „Solist“, der eine Solo-Performance bezeichnet, ermöglicht diese innovative Technologie Echtzeit-Lernen und Inferenzen direkt auf Edge-Geräten, ohne auf Cloud-Server angewiesen zu sein. Solist-AI™ wird von ROHMs proprietärer On-Device-Learning-KI-Technologie (oder Chip) angetrieben und zeichnet sich durch sein kompaktes Design und seinen geringen Stromverbrauch aus, was zum Ausbau nachhaltiger KI-Innovationen beiträgt.

(ID:50358277)