ST:Bewegungssensor mit maschinellem Lernen für hochpräzises, batterieschonendes Aktivitätstracking

STMicroelectronics hat Machine-Learning-Technologie in seine fortschrittlichen Trägheitssensoren integriert, um die Aktivitätsverfolgungsleistung und die Akkulaufzeit in Mobiltelefonen und Wearables zu verbessern. Der iNEMO-Sensor LSM6DSOX enthält einen Kern für maschinelles Lernen, um Bewegungsdaten nach bekannten Mustern zu klassifizieren. Die Entlastung dieser ersten Phase der Aktivitätsverfolgung vom Hauptprozessor spart Energie und beschleunigt bewegungsbasierte Apps wie Fitness-Logging, Wellness-Monitoring, persönliche Navigation und Sturzerkennung.

Geräte, die mit LSM6DSOX von ST ausgestattet sind, können ein komfortables und reaktionsschnelles „Always-On“-Benutzererlebnis bieten, ohne die Akkulaufzeit zu beeinträchtigen. Der Sensor verfügt außerdem über mehr internen Speicher als herkömmliche Sensoren und eine hochmoderne digitale I3C-Hochgeschwindigkeitsschnittstelle, die längere Zeiträume zwischen Interaktionen mit dem Hauptcontroller und kürzere Verbindungszeiten für zusätzliche Energieeinsparungen ermöglicht.

Der Sensor lässt sich einfach in gängige mobile Plattformen wie Android und iOS integrieren und vereinfacht die Verwendung in Smart-Geräten für Verbraucher-, Medizin- und Industriemärkte.

Das LSM6DSOX enthält einen 3D-MEMS-Beschleunigungsmesser und ein 3D-MEMS-Gyroskop und verfolgt komplexe Bewegungen mithilfe des Machine-Learning-Kerns bei einem niedrigen typischen Stromverbrauch von nur 0,55 mA, um die Belastung des Akkus zu minimieren.

Der Kern des maschinellen Lernens arbeitet in Verbindung mit der integrierten Finite-State-Machine-Logik des Sensors, um Bewegungsmustererkennung oder Vibrationserkennung zu handhaben. Kunden, die mit dem LSM6DSOX Aktivitätsverfolgungsprodukte erstellen, können den Kern für die entscheidungsbaumbasierte Klassifizierung mit Weka, einer PC-basierten Open-Source-Anwendung, trainieren, um Einstellungen und Grenzen aus Beispieldaten wie Beschleunigung, Geschwindigkeit und Magnetwinkel zu generieren, die charakterisieren die zu erkennenden Bewegungsarten.

Die Unterstützung von freiem Fall, Wakeup, 6D/4D-Orientierung, Klick- und Doppelklick-Interrupts ermöglicht eine Vielzahl von Anwendungen wie Benutzeroberflächenverwaltung und Laptop-Schutz zusätzlich zur Aktivitätsverfolgung. Hilfsausgänge und Konfigurationsoptionen vereinfachen zudem den Einsatz in der optischen Bildstabilisierung (OIS).