PSOC™ Edge est conçu pour des applications de calcul et de contrôle réactives, grâce à une accélération matérielle de l’apprentissage automatique (ML). Il permet ainsi une utilisation encore plus intuitive des produits finaux et une meilleure compréhension du contexte. En combinant des cœurs ML M55/U55 hautes performances avec des cœurs M33/NNLite à très faible consommation, PSOC Edge prend en charge une fonctionnalité intuitive « toujours active » pour la maison connectée, la sécurité, les objets connectés, la robotique et bien plus encore.

L’IA embarquée n’est plus un projet de recherche, mais une contrainte de conception. Que vous développiez des robots soucieux de la sécurité, des usines intelligentes, des drones intelligents, des dispositifs médicaux connectés et des objets connectés, vous avez besoin de puces, d’outils et de partenaires pour passer rapidement de l’idée à la production.
Au cours de cette session de 90 minutes, NXP présentera une vue d’ensemble pratique de son portefeuille de solutions d’IA/ML, allant des microcontrôleurs basse consommation aux microprocesseurs hautes performances et aux accélérateurs NPU discrets. Vous découvrirez comment combiner ces composants avec la suite logicielle eIQ® ML de NXP, Time Series Studio et un large éventail d’outils partenaires disponibles pour développer et déployer des applications d’IA concrètes telles que la détection d’anomalies, la maintenance prédictive, la vision et la fusion de données de capteurs.
Nous aborderons les architectures concrètes, les recommandations de sélection des appareils et les meilleures pratiques de développement afin que vous puissiez atteindre vos objectifs de performance, de consommation d’énergie et de coût tout en rationalisant votre flux de travail d’apprentissage automatique, des données aux modèles déployés.
Vous repartirez avec des modèles de conception clairs, des ressources de référence et une feuille de route pratique pour commercialiser plus rapidement et avec moins de risques des solutions d’IA Edge robustes et prêtes pour la production.

L’IA embarquée (Edge AI) désigne la technologie permettant d’exécuter des algorithmes et des modèles d’IA directement sur des dispositifs tels que des microcontrôleurs, des microprocesseurs et des capteurs intégrés dans des applications industrielles et automobiles. Le déploiement de l’IA en périphérie permet un traitement des données en temps réel, directement à la source de leur collecte, offrant ainsi des temps de réponse plus rapides, une sécurité des données renforcée et une meilleure utilisation de la bande passante.

La suite ST Edge AI est un ensemble d’outils permettant d’intégrer des fonctionnalités d’IA dans les systèmes embarqués. Elle prend en charge les microcontrôleurs et microprocesseurs STM32, les microcontrôleurs automobiles Stellar et les capteurs intelligents MEMS, et inclut des ressources pour la gestion des données, l’optimisation et le déploiement des modèles d’IA. Les utilisateurs y trouveront également des ressources pédagogiques et des études de cas concrets pour faciliter leur processus de conception.

La suite ST Edge AI facilite le déploiement de modèles d’IA en permettant aux utilisateurs de trouver facilement l’outil adapté à leur projet :

• Enregistrement des données : capture des données des capteurs nécessaires à l’entraînement des modèles d’IA.
• Auto ML : génération automatique d’algorithmes d’apprentissage automatique optimisés.
• Optimisation des modèles : optimisation des modèles d’IA et génération du code associé pour les appareils cibles.
• Validation et tests : s’assurer que les performances du modèle répondent aux critères de déploiement.
• Évaluation comparative en ligne : test des performances du modèle sur du matériel ST à l’aide du cloud.

Les développeurs de systèmes embarqués peuvent également bénéficier de :

• Le zoo des modèles : simplifier le déploiement des modèles d’IA sur les appareils compatibles.
• Documentation pour obtenir plus d’informations sur le processus de déploiement.

Cette session présente l’approche de Renesas en matière d’IA de périphérie pratique et déployable, articulée autour de trois piliers fondamentaux : l’analyse en temps réel, la voix et la vision. Les participants acquerront une compréhension globale de la manière dont TinyML et l’IA de périphérie peuvent être appliqués aux plateformes Renesas pour ajouter de l’intelligence directement en périphérie du réseau, là où la latence, la consommation d’énergie et la fiabilité sont primordiales.

Les participants apprendront comment déployer TinyML sur de véritables microcontrôleurs et microprocesseurs Renesas pour permettre une intelligence toujours active avec une consommation d’énergie ultra-faible et des performances déterministes.

Découvrez des cas d’utilisation concrets de l’IA mis en pratique sur :

• Nouvelles énergies – maintenance prédictive, détection d’anomalies, optimisation énergétique
• Domotique et automatisation des bâtiments – commande vocale, détection de présence, capteurs intelligents
• Automatisation industrielle – surveillance de l’état, contrôle qualité, analyse en temps réel
• Appareils électroménagers – des expériences utilisateur plus intelligentes et plus réactives grâce à l’IA embarquée.

Comprenez quand et comment utiliser l’analyse en temps réel, la voix et la vision, et comment les combiner dans une architecture système unique. Bénéficiez de conseils pratiques de conception sur la sélection des modèles, l’empreinte mémoire, la latence et l’optimisation énergétique pour l’IA en périphérie. Repartez avec des idées concrètes d’implémentation que vous pourrez immédiatement appliquer à vos conceptions actuelles ou futures à l’aide des plateformes et outils Renesas.