Japanilainen TDK haluaa nopeuttaa edge-tekoälyn kehitystä uudella SensorStage-ohjelmistollaan, jonka ydinajatus on poikkeuksellinen. Pelkkä oikeasta maailmasta kerätty sensoridata ei enää riitä tekoälymallien kouluttamiseen. Siksi dataa pitää generoida.
Yhtiön mukaan suurin ongelma edge-AI:ssa ei ole enää itse tekoälymalli vaan data. Oikea anturidata kertoo vain siitä, mitä on jo tapahtunut. Se ei kata harvinaisia vikatilanteita, poikkeavia käyttöympäristöjä tai tilanteita, joita järjestelmä ei ole vielä koskaan nähnyt.
Tämän vuoksi TDK panostaa synteettiseen sensoridataan, jossa tekoäly, signaalinkäsittely ja fysiikkapohjaiset simulaatiot tuottavat realistista anturidataa AI-mallien koulutukseen. Tarkoitus on opettaa edge-laitteiden tekoäly tunnistamaan myös sellaisia tilanteita, joista oikeaa dataa ei ole riittävästi saatavilla.
Ajatus liittyy suoraan yhtiön uuteen SensorStage-kehitysalustaan, joka on suunniteltu nopeuttamaan MEMS-antureiden ja IMU-yksiköiden kehitystä. Alusta tarjoaa visualisointi- ja analytiikkatyökaluja sekä automatisoituja työnkulkuja, joiden avulla voidaan arvioida esimerkiksi koneoppimisalgoritmeja, sensorifuusiota ja virrankulutusta.
TDK:n mukaan inertiasensoreiden kehitys on perinteisesti vaatinut syvää asiantuntemusta ja paljon käsityötä. SensorStage pyrkii siirtämään kehitystyötä enemmän datavetoiseksi ja automatisoiduksi prosessiksi.
Yhtiö korostaa erityisesti edge-AI:n kasvavaa merkitystä. Kun tekoäly siirtyy pilvestä paikallisesti toimiviin laitteisiin, kuten älylaseihin, puettaviin laitteisiin, IoT-solmuihin ja autonomisiin järjestelmiin, myös datan määrä- ja laatuvaatimukset kasvavat nopeasti.
SensorStage tukee tällä hetkellä InvenSense SmartMotion -liikeantureita ja tuki laajenee myöhemmin uusiin MEMS-antureihin.
