senseAI di Lattice: uno stack per aggiunte nuove esperienze di AI alla periferia della rete

Pubblicato il 22 febbraio 2022

La rivoluzione legata all’uso delle tecnologie AI/ML (Artificial Intelligence/Machine Learning) interessa un numero sempre crescente di applicazioni, in particolar modo quelle alla periferia della rete (edge). Un gran numero di dispositivi edge (tra cui videocamere di sicurezza, robot, apparecchiature industriali, PC client e persino giocattoli) ora possono supportare funzionalità IA/ML che offrono strumenti e possibilità di fruizione completamente nuove. Secondo la società di analisi di mercato ABI Research, il mercato dei chipset edge che supportano funzionalità AI “finora è aumentato in misura notevole e si prevede che continuerà a crescere raggiungendo il valore di 71 miliardi di dollari entro il 2024, con un tasso di crescita su base annua del 31% fra il 2019 e il 2024. Il fattore trainante di una crescita così sostenuta è la migrazione dei carichi di lavoro legati ai processi inferenziali tipici dell’AI verso la periferia – particolarmente in alcuni settori (smartphone, domotica, automotive, indossabili e robotica).

Tuttavia, rendere “smart” un dispositivo di computing client aggiunge nuovi problemi nella fase di progettazione del prodotto. AI/ML è una tecnologia emergente e molti OEM non hanno né l’esperienza interna né il tempo necessari per progettare una soluzione AI/ML a aprtire da zero. Poiché gli algoritmi impiegati per addestrare dispositivi di elaborazione client si evolvono rapidamente, gli sviluppatori di applicazioni AI/ML cercano di utilizzare anche soluzioni aggiornabili sul campo. Ma la questione più cruciale per molti di loro è come assicurare le prestazioni di elaborazione necessarie per il funzionamento di un’applicazione AI/ML alla periferia della rete in un dispositivo a batterie.

Per far fronte a questi problemi, sviluppatori e OEM devono poter accedere a soluzioni hardware e software flessibili che permettano di fruire delle nuove esperienza rese possibili grazie all’uso combinato delle tecnologie AI/ML con bassi consumi di potenza. Fin dal 2018, lo stack di soluzioni Lattice sensAI™ ha aiutato i clienti della società ad aggiungere funzionalità IA/ML a prodotti sia nuovi sia esistenti.

La versione più recente (v4.1) dello stack di soluzioni sensAI ora include una road map di progetti di riferimento per offrire esperienze di utilizzo di alto livello grazie a funzionalità AI/ML integrate in dispositivi di computing client come i laptop. La pandemia ha fatto aumentare in maniera esponenziale il numero di persone che usano applicazioni di videoconferenza per rimanere connesse – per ragioni lavorative, sociali e familiari. I progetti di riferimento inclusi nell’ultima versione dello stack sensAI sfruttano i sensori audio e video dei dispositivi client per offrire esperienze di utilizzo a valore aggiunto – avvio quasi istantaneo (“instant-on”), rilevazione della presenza e del livello di attenzione, privacy e videoconferenza – garantendo comunque consumi ridotti per massimizzare l’autonomia della batteria.

 

Lo stack di soluzioni sensAI v4.1 di Lattice aiuta gli sviluppatori a utilizzare i sensori e le inferenze AI/ML per offrire nuove e migliori modalità di fruizione di dispositivi di computing client.

Gli OEM possono trarne numerosi vantaggi dall’utilizzo di sensAI per aggiungere il supporto AI/ML ai dispositivi loro dispositivi tra cui:

  • Aumento fino al 28% dell’autonomia della batteria rispetto a dispositivi client che utilizzano le loro CPU per il funzionamento delle applicazioni IA
  • Supporto per effettuare gli aggiornamenti software sul campo, utile per seguire l’evoluzione delle tecnologie legate all’intelligenza artificiale
  • Scalabilità per garantire bassi consumi durante l’esecuzione di più applicazioni grazie alla possibilità di trasferire l’elaborazione dei dati AI dalla CPU
  • Ampio supporto per i più diffusi sensori e SoC (system-on-chip)

Nelle future versioni dello stack sensAI, Lattice aggiungerà altre funzionalità per ampliare e migliorare la fruizione dei dispositivi di elaborazione client che sfruttano l’AI.

Grazie al supporto per Lattice CertusPro™-NX, la più recente aggiunta alla linea di FPGA Lattice Nexus™, lo stack può anche assicurare sensibili miglioramenti in termini di prestazioni e precisione in tutte quelle applicazioni di rilevazione dei difetti e degli oggetti che richiedono un’estrema precisione, tipiche dei sistemi industriali automatizzati. Per facilitare la progettazione di applicazioni audio e video basate su IA/ML per dispositivi client, lo stack supporta una nuova piattaforma hardware che integra un sensore di immagini, due microfoni I2S e connettori di espansione per aggiungere ulteriori sensori.

Per quanto riguarda gli aggiornamenti dello stack, quest’ultimo mette a disposizione un compilatore di rete neurale aggiornato e supporta Lattice sensAI Studio, uno strumento basato su un’interfaccia grafica utente con una libreria di modelli di AI che può essere configurato e addestrato per i casi d’uso più diffusi e che ora supporta funzioni AutoML per consentire la creazione di moduli ML sulla base degli obiettivi relativi a set di dati e applicazioni. Molti dei modelli basati sulla piattaforma Mobilenet di addestramento per il processo inferenziale ML sono ottimizzati per gli FPGA CertusPro-NX. Inoltre lo stack è compatibile con le ultime versioni di altre piattaforme ML più diffuse – Caffe, Keras, TensorFlow e TensorFlow Lite.

 

 

La versione più recente dello stack Lattice sensAI prevede aggiornamenti hardware e software che semplificano ulteriormente il supporto AI/ML per altri dispositivi edge (le nuove funzionalità sono evidenziate nel diagramma sopra riportato). Registrandosi presso Lattice si riceveranno notizie sullo stack di soluzioni e sui prodotti più recenti.

 

Hussein Osman



Contenuti correlati

  • Lattice ha presentato la piattaforma FPGA Avant

    Avant è il nome della nuova piattaforma FPGA di fascia media a basso consumo di Lattice Semiconductor. Questa piattaforma, progettata ex novo, amplierà significativamente l’offerta di Lattice dato che si affiancherà alla precedente piattaforma Nexus, raddoppiando di...

  • L’applicazione dell’intelligenza artificiale e del Machine Learning nei sistemi di produzione

    Lo scopo di questo articolo è quello di analizzare l’applicazione dell’intelligenza artificiale e del Machine Learning (ML) (apprendimento automatico) nella produzione industriale. Con l’introduzione dell’Industria 4.0, l’intelligenza artificiale e l’apprendimento automatico sono considerati la forza trainante della...

  • Le alternative ai touchscreen nell’era post COVID

    Il COVID ha cambiato il nostro mondo. Per sempre. Nel momento in cui le persone inizieranno ad adattarsi alle nuove realtà, scopriranno che in molti settori sono avvenuti cambiamenti a volte anche radicali Leggi l’articolo completo su EO Medical...

  • TinyML: un’introduzione (1a parte)

    Questo articolo è il primo di una serie di tre focalizzati su TinyML: in sintesi l’utilizzo delle tecniche di apprendimento automatico (ML – Machine Learning) su microcontrollori a basso consumo e con un numero limitato di risorse a disposizione...

  • I principali vantaggi degli FPGA rispetto alle MCU

    Nel momento in cui si accingono a sviluppare un nuovo sistema elettronico, i progettisti devono prendere una miriade di decisioni; una delle più cruciali è quella riguardante l’architettura del sistema e i dispositivi a semiconduttore impiegati per...

  • L’Intelligenza Artificiale nell’Industria 4.0

    L’ intelligenza artificiale (IA) è un settore in continua crescita e alcune sue applicazioni nell’Industria 4.0, rappresentano senz’altro il suo apice. Questo perché, grazie alla combinazione di IA e Industria 4.0 le aziende hanno la possibilità di...

  • Considerazioni sui sistemi Embedded Linux di classe enterprise

    Le attuali tendenze emergenti del settore elettronico, quali IoT, Intelligenza Artificiale e Machine Learning, impongono ai produttori dei dispositivi il possesso di una profonda conoscenza dei diversi Sistemi Operativi, od OS (Operating Systems) disponibili, sia quelli di...

  • Connettività senza scrivere codice per una trasformazione digitale a costi accessibili

    La trasformazione digitale non è semplicemente un termine di moda, ma un processo che le organizzazioni devono affrontare se vogliono migliorare i loro risultati sfruttando tecnologie emergenti quali gemello digitale, analisi dei Big Data e machine learning...

  • Il nuovo stack di soluzioni sensAI di Lattice per i client di nuova generazione

    Lattice Semiconductor ha annunciato una road map per lo sviluppo di soluzioni a basso consumo di potenza abilitate per IA/ML che migliorino la durata delle batterie e rendano possibili esperienze dell’utente innovative in applicazioni alla periferia della...

  • Machine Learning, reti neurali e Deep Learning

    In questo articolo viene presentata una panoramica sugli attuali metodi di apprendimento automatico (machine learning) e del loro utilizzo nel settore della ricerca, concentrandosi sui metodi dell’apprendimento automatico e il deep learning (apprendimento profondo). L’obiettivo dell’articolo è...

Scopri le novità scelte per te x