Cartesiam IDE fügt Edge-Anomalieklassifizierung auf Arm-Cortex-M-MCUs hinzu

Cartesiam hat eine neue Version seiner integrierten Entwicklungsumgebung (IDE) vorgestellt, die als erste die Anomalieklassifizierung direkt auf allen Arm-Cortex-Mikrocontrollern (MCUs) ermöglicht. Es hat auch eine neue webbasierte Plattform eingeführt, auf der Benutzer echte Datensätze repräsentativer Anwendungsfälle herunterladen können, und eine Partnerschaft mit Bosch Connected Devices and Solutions angekündigt, um seine IoT-Produktlinie mit der IDE von Cartesiam zu erweitern.

Nachdem das Unternehmen Anfang dieses Jahres eine IDE für Entwickler zum Erstellen von Trainings- und Inferenzanwendungen für künstliche Intelligenz (KI) auf Mikrocontrollern vorgestellt hatte, hat das Unternehmen nun die Verfügbarkeit von NanoEdge AI Studio V2 angekündigt, das neben der Vereinfachung der Erstellung von maschinellem Lernen (ML) und Inferenz, fügt jetzt Klassifizierungsbibliotheken für die direkte Implementierung auf Arm Cortex-M-MCUs hinzu.

Laut Cartesiam bietet diese neue IDE einen überlegenen Ansatz zur Erkennung und Klassifizierung von Anomalien. Dies liegt daran, dass das Modell im Mikrocontroller trainiert wird, was bedeutet, dass die Anomalieerkennung den Klassifikator zur Charakterisierung aufweckt und dem System genau sagt, was nicht stimmt, nicht nur, dass es ein allgemeines Problem gibt. Dies ist der Schlüssel, um Benutzern die Intelligenz zu geben, die sie benötigen, um mehr zu machen fundierte Entscheidungen.

Joël Rubino, CEO und Mitbegründer von Cartesiam, erklärte gegenüber embedded.com:„Unsere Lösung wurde vom ersten Tag an in der Box eines Mikrocontrollers entwickelt. Wir entwickeln ausgehend von der Algebra alle Algorithmen für maschinelles Lernen (ML) und Signalverarbeitung neu, damit sie nativ in einer MCU ausgeführt werden. Andere Lösungen auf dem Markt sind „verkleinerte“ Lösungen aus einem Framework, das auf Servern mit unbegrenzter Rechenleistung, Speicher, Datensätzen usw. wie Google TensorFlow und andere KI-Softwarelösungen, die in der Cloud ausgeführt werden. In einer typischen Konfiguration passen normalerweise in 4 KB RAM und meistens unter 1 KB.“

Cartesiam ist für Arm-Cortex-M-MCUs optimiert und erfordert laut Cartesiam nicht das Fachwissen von Datenwissenschaftlern und Signalverarbeitungsingenieuren, da es sich um ein intuitives Desktop-Tool handelt, mit dem sich Embedded-Entwickler auf die Lösung von Geschäftsproblemen statt auf die Auswahl von Algorithmen konzentrieren können. Es ermöglicht schnelles Lernen am Edge und führt iteratives Lernen in 30 ms in einem Arm Cortex-M4 80 MHz durch, um schnell Intelligenz zu liefern.

Das Unternehmen sagte, dass bereits Tausende von kommerziell erhältlichen eingebetteten Geräten für das industrielle IoT (IIoT) mit NanoEdge AI Studio V1 zur Erkennung von Anomalien in Produktion sind. Durch das Hinzufügen von Klassifizierungsbibliotheken zu NanoEdge AI Studio V2 können Entwickler jetzt einfacher über die Anomalieerkennung hinausgehen, um Probleme direkt in Endpunkten zu qualifizieren.

„Cartesiam stellt Tools für Embedded-Entwickler her und bietet einen intuitiven Push-Button-Ansatz, der keinen Hintergrund in Data Science erfordert, und öffnet die KI für die Milliarden von ressourcenbeschränkten Embedded-Geräten, die mit Arm Cortex-M-MCUs gebaut wurden“, kommentierte Rubino. „Wir haben NanoEdge AI Studio ursprünglich entwickelt, um der Nachfrage unserer Kunden im Bereich der vorausschauenden Wartung gerecht zu werden. Nachdem sie Daten über die Nutzung ihrer Geräte gesammelt hatten, baten sie uns, ihnen dabei zu helfen, ihre Veranstaltungen leicht zu qualifizieren und sie zu antizipieren. Die neue Version unserer IDE ermöglicht es diesen Kunden – und jedem anderen Embedded-Designer – mühelos eine Klassifikationsbibliothek ohne die üblichen Herausforderungen im Zusammenhang mit Signalverarbeitung und maschinellen Lernfähigkeiten zu entwickeln. Dies reduziert die Kosten drastisch und beschleunigt die Markteinführungszeit.“

Er fügte hinzu:„Unsere Lösung läuft auf einem PC. Keine Cloud-Verbindung oder Kosten erforderlich. Viele Unternehmen, insbesondere Europäer, stehen dem Senden ihrer Daten in die Cloud (aus Datenschutzgründen) und den versteckten Cloud-Computing-Kosten skeptisch gegenüber.“

Beispieldatensätze auf neuer webbasierter Plattform, Bosch IoT-Partnerschaft
Cartesiam hat auf data.cartesiam.ai, einer neuen webbasierten Plattform, auch einen „Use-Case-Explorer“ eingeführt. Benutzer können echte Datensätze herunterladen und die NanoEdge AI Studio IDE in repräsentativen Anwendungsfällen wie der Erkennung von Beatmungsblockaden, Brustkrebserkennung, Vakuumbeutelvolumenerkennung und anderen ausprobieren. Das Unternehmen kündigte an, das Portal kontinuierlich um zusätzliche Datensätze zu erweitern.

Gleichzeitig mit der Einführung seiner neuen IDE- und Web-Plattform fügt Bosch Connected Devices and Solutions das NanoEdge AI Studio von Cartesiam hinzu, um seine bestehende IoT-Produktlinie, das Cross-Domain-Development-Kit oder XDK, zu erweitern.

Ando Feyh, Head of Technical Responsibility, Bosch Connected Devices and Solutions, sagte:„Mit ihren acht Sensoren ermöglicht die XDK-Plattform Designern, Prozesse aus der Ferne über Bluetooth oder Wi-Fi zu überwachen, zu steuern und zu analysieren, sodass unsere Kunden schnell mehr erstellen können intelligent vernetzte Maschinen. NanoEdge AI Studio V2 erweitert die einzigartige Funktionalität des XDK und bietet die Möglichkeit, Daten zur Anomalieerkennung und Klassifizierung für einen oder mehrere Sensoren zu verarbeiten. Vor diesem Hintergrund planen wir, die Plattform von Cartesiam in einer Vielzahl von internen und externen Projekten einzusetzen und arbeiten eng mit Cartesiam an einer NanoEdge AI Studio-Integration mit unserem XDK zusammen.“