Skriv ut

Hittills har minskad energiförbrukning i tröghetsmätningsenheter (IMU) varit ett olöst dilemma. Antingen måste enorma mängder rådata skickas iväg för analys, vilket är en energiintensiv process, eller så ­måste data processas av den lokala styrkretsen vilket inte kräver mindre energi.


Ladda ner artikeln här (länk, pdf).

Fler tekniska rapporter finns på etn.se/expert

Små moduler med en kombination av accelerometrar och ett gyro för tröghetsnavigering kan användas för detektering av rörelser, för att ­justera satelliter i rymden och för stabilisering av bilder och objekt. De finns också i mobila enheter, där energiförbrukningen har hög prioritet. För att minska detta och samtidigt förbättra känsligheten har ST Microelectronics integrerat maskininlärning i sin senaste sensorplattformar.

Hittills har minskad energiförbrukning i tröghetsmätningsenheter (IMU) varit ett olöst dilemma. Antingen måste enorma mängder rådata skickas iväg för analys, vilket är en energiintensiv process, eller så ­måste data processas av den lokala styrkretsen vilket inte kräver mindre energi.

Med den nya Mems-sensorn LSM6DSOX från iNEMO-familjen har ST löst denna Gordiska knut. Här fungerar en maskininlärningskärna med en tillståndsmaskin (FSM) som klassificerar rörelsedata baserat på kända mönster längs ett beslutsträd. Detta innebär att huvudprocessorn inte längre behöver sköta detta första steg av aktivitetsspårning. Resultatet: energiförbrukningen sjunker, samtidigt förbättras upptäckten och responshastiden för appar som fitness­spårare, wellnessövervakning, navigering eller stegdetektering i smartphones, bärbara apparater eller spelkonsoller.

Ett beslutsträd är ett verktyg baserat på matematiska beslut med flera konfigurerbara noder. En statistisk parameter jämförs med ett tröskelvärde vid varje nod och nästa nod väljs utifrån resultatet. När ett blad – en av de sista noderna i ett träd – slutligen nås, producerar beslutsträdet ett resultat som kan läsa av ett specifikt register.

Genom beslutsträdet behandlar sensorn en induktiv algoritm med en bråkdel av normal energiförbrukning. Och systemet kan inte bara känna igen rörelser som promenader, löpning, jogging, cykling eller immobilitet, utan räknar också under träningspasset till och med knäböj, push-up:s och andra rörelser – allt baserat på inlärda mönster.

För att uppnå en hög grad av noggrannhet i resultatet är dataval av avgörande betydelse: Data som kännetecknar den önskade rörelseklassen måste samlas in. Eftersom det är mycket komplicerat att beskriva dessa klasser manuellt i mjukvara används här maskininlärningsverktyg som förenklar programmeringen. ST använder det allmänt tillgängliga maskininlärningsverktyget Weka och sin egen utvecklingsmiljö, som konverterar de erhållna parametrarna till sensorns registerinställningar. Utvecklaren måste bara ta hand om funktionaliteten och inte först utvärdera insamlade data.

LSM6DSOX kan konfigureras så att upp till åtta beslutsträd kan bearbetas samtidigt och oberoende av varandra.

Dessutom kan LSM6DSOX utfärda ett avbrott för vissa rörelser definierade av användaren. För detta ändamål kan maskinerna med finita tillstånd programmeras oberoende av varandra för en specifik rörelse­detektion, exempelvis för en titt på en skärm, handledsrotation, skakning, dubbel skakning eller lyftning av enheten. För detta har var och en av de 16 tillståndsmaskinerna sitt eget minnesområde och körs oberoende av de andra. Avbrottet utlöses när rörelsens slutliga tillstånd uppnås. Ytterligare konfigurerbara funktioner är fördefinierade för att utlösa avbrott för fritt fall, rörelsedetektering, 6D/4D-orientering samt klicka och dubbelklicka.

LSM6DSOX kan också användas för styrning som att stabilisera mobila industriella kontroller. Speciella fall för denna applikation är optisk eller elektronisk bildstabilisering i kameraapplikationer. Dessa funktioner stöds av en extra SPI-utgång, som tillhandahåller data utan att de tar omvägen via FIFO-register och därmed säkerställer snabba responstider vilket är nödvändigt vid optisk bildstabilisering.

LSM6DSOX är en systemmodul (SiP) med en kombinerad mekanisk 3D-accelerometer och 3D-gyro tillsammans med en energisnål asic för utvärdering i en liten kapsel (LGA-14L). Beroende på inställning klarar den accelerationer på ±2, ±4, ±8 och ± 16g och vinkelhastighetsområdet ±125, ±250, ±500, ±1000 och ±2000 dps kan väljas dynamiskt. Det högpresterande läget garanterar hög prestanda med en energiförbrukning på bara 0,55 mA. Med sin extrema lågbrus­accelerometer och gyro kombinerar sensorn en ”alltid på” användarupplevelse med låg energiförbrukning och överlägsen mätnoggrannhet. Det gå ratt komplettera den med en magnetometer.

Med alla dessa funktioner möjliggör LSM6DSOX en enorm mängd applikationer – inte bara för rörelsedetektering, utan också för hantering av användargränssnitt, som att skydda bärbara datorer vid stötar, för att upptäcka rörelsemönster och vibrationer för robotar och maskinstyrning, gaffeltruckar och rörelsedetektering av flygplan vid exempelvis start och landning.