据麦姆斯咨询报道,意法半导体(ST)宣布在其先进的惯性传感器内集成机器学习技术,提高手机和可穿戴设备的运动跟踪性能和电池续航能力。
LSM6DSOX iNEMO™传感器内部集成一个机器学习内核,可根据已知运动模式对运动数据进行分类处理,接替主处理器处理运动跟踪的第一阶段任务,这种方法可以节能降耗,加快健身记录、健康监测、个人导航、跌倒检测应用等运动类应用程序的运行速度。
意法半导体模拟、MEMS和传感器产品部副总裁Andrea Onetti表示:“机器学习已大范围用于社交媒体、金融建模或自动驾驶等应用以提高模式识别的速度和效率,LSM6DSOX运动传感器集成了机器学习功能,可增强智能手机和穿戴设备的运动跟踪性能。”
配备意法半导体LSM6DSOX的设备可以为用户带来便利、响应迅速的“永远开启”的使用体验,且对电池续航时间没有任何影响。LSM6DSOX集成于传统传感器相比,增添了更大的内存空间,并配备最先进的高速I3C数字接口,使得传感器与主控制器的交互间隔更长,连接时间更短,节能省电效果更好。
该传感器易于集成到主流移动平台(例如:Android和iOS)上,可简化消费、医疗和工业智能设备使用流程。
LSM6DSOX现已量产上市。
更多技术信息:
LSM6DSOX包含3轴MEMS加速度计和3轴MEMS陀螺仪,并使用机器学习内核跟踪复杂的运动,典型工作电流仅为0.55mA,电池负载得到大幅降低。
机器学习内核与传感器集成的有限状态机逻辑协同工作,执行运动模式识别或振动检测功能。使用LSM6DSOX创建运动跟踪产品,需要用开源PC应用程序Weka对机器学习内核进行决策树分类培训,从样本数据生成设置参数和限值,例如,用于表征被检测运动类型的加速度、速度和磁倾角。
因为支持自由落体检测、唤醒、6D/4D方向检测、单击和双击中断,LSM6DSOX可用于运动跟踪外的其它的多种应用,例如,用户界面管理和笔记本电脑保护。辅助输出和配置选项还简化其光学防抖(OIS)应用。
全部0条评论
快来发表一下你的评论吧 !