如果一個系統可以使用機器學習來訓練模型并在同一個微控制器上運行它們會怎樣？從本質上講，它是法國公司Cartesiam的 NanoEdge AI 的突破性成就，它是機器學習ST 合作伙伴計劃的成員，它重新定義了我們對人工智能的了解。 作為一家軟件公司，Cartesiam 傾聽客戶描述他們想要分析的內容（即光、聲、電特性等）和可用硬件（即傳感器、內存、MCU 等）。然后，該公司提供了一個庫，使未來的應用程序能夠在邊緣利用機器學習。該過程本身很簡單，因為該公司擁有多年的研究和經驗。因此，讓我們看看我們的合作者為 ST 合作伙伴計劃、物聯網和機器學習應用帶來了什么，并了解他們如何使用我們最新的STM32G4 32 位 MCU 系列。

Cartesiam 為 ST 合作伙伴計劃帶來了什么？NanoEdge AI 和無監督學習

Cartesiam 在 ST 合作伙伴計劃中的存在比以往任何時候都更加重要，因為它補充了我們的倡議。年初，ST推出STM32Cube.AI，讓開發者可以輕松將神經網絡轉化為STM32的優化代碼。我們的工具針對依賴預定事件的應用程序。開發人員通過在 PC 上的神經網絡訓練框架中處理數據之前收集數據來訓練神經網絡，以識別特定的活動，例如步行、跑步或游泳。這個監督學習階段輸出經過訓練的神經網絡，然后開發人員可以將其發送到 STM32Cube.AI 以將其轉換為代碼，使我們的 MCU 能夠識別這些活動（即推理階段）。STM32Cube.AI 至今仍是同類中唯一適用于 STM32 MCU 的解決方案。

另一方面，Cartesiam 為不知道會發生什么并因此無法提前運行監督學習課程的客戶提供獨特的解決方案。NanoEdge AI 是原創的，因為它在微控制器本身上運行學習階段，而不需要在 PC 上使用復雜的框架。當工程師無法為特定情況創建整齊的預訓練模型時，工程師會轉向此解決方案，但仍希望使用機器學習來提出智能解決方案，例如預測性維護，盡管嵌入式系統固有的資源有限。他們可以在 MCU 上運行訓練階段，以了解設備在其最終環境而不是實驗室中的正常行為，然后在同一 MCU 上運行推理以檢測和報告行為異常。

Cartesiam 為 ST 合作伙伴計劃帶來了什么？NanoEdge AI 與 STM32Cube.AI 攜手并進

Cartesiam 的解決方案補充了我們的解決方案，因為該公司依賴于完全不同的數學范式。到目前為止，業界一直假設訓練強大的機器學習模型僅在運行 TensorFlow 或 Caffe 的 PC 上有效，僅舉兩個例子。今天，NanoEdge AI 打破了這一先驗，這要歸功于一個使用新數學模型的框架，該模型考慮了微控制器上可用的資源。雖然 ST 通過將經過訓練的模型引入 STM32 MCU 改變了行業，但 Cartesiam 是 ST 的重要合作伙伴，因為它現在將我們的微控制器引入機器學習，從而將它們開放給全新的應用范圍，這要歸功于它能夠在一個上運行無監督學習和推理單片機。 該公司的解決方案也是多年研究的成果，最終在 Embedded World 2019 期間用于我們的SensorTile 模塊。

Cartesiam 為物聯網帶來了什么？

NanoEdge AI 和 STM32 面向所有人

為了了解有關 NanoEdge AI 及其在 STM32 平臺上的實施的更多信息，我們與 Cartesiam 的首席執行官 Joel Rubino 和該公司的首席技術官 Francois de Rochebouet 進行了交談。

因此，Cartesiam 是一個很好的例子，說明公司如何在不需要花費過多時間和資源來創建新硬件系統的情況下進行創新和改變行業。他們在 Embedded World 上的演示令人印象深刻，因為他們展示了他們的機器學習庫如何使用我們的 SensorTile 模塊通過振動分析來學習 BLDC 電機的行為，然后借助嵌入式STM32L4超低功耗微控制器檢測并報告異常情況。

在幕后，公眾還沒有看到演示的另一個方面，但這是 Cartesiam 解決方案的一個關鍵優勢：它的易用性。Francois 只用了四個小時就完成了演示，開發人員可以相對快速地將 Cartesiam 庫集成到他們的應用程序中。開發人員從這家法國公司獲得示例代碼，這大大降低了學習曲線，并在他們循環調用學習函數時引導他們開始訓練系統，然后運行基于他們剛剛創建的模型的檢測例程。因此，NanoEdge AI 消除了機器學習固有的許多復雜性，使其可供更多客戶和更多應用程序使用。

Cartesiam 為機器學習帶來了什么？NanoEdge AI 和 STM32 無處不在

NanoEdge AI 也是一個有吸引力的解決方案，因為它非常靈活。該解決方案可以從各種傳感器獲取數據，非常適合許多行業。這就是為什么我們讓 Cartesiam 提前使用我們的新STM32G4 微控制器，看看他們能夠對我們為模擬和數字外設帶來的所有優化做些什么，他們并沒有讓人失望。

能夠使用相同的 MCU 驅動電機并為預測性維護系統運行 AI，同時更具成本效益、魯棒性和緊湊性。ST 現在正與 Cartesiam 合作，以確保即將推出的包和開發板將運行使用 NanoEdge AI 庫的演示應用程序，以更好地將其補充解決方案引入我們的社區，從而將 STM32 平臺定位于機器學習革命的中心。

這個例子表明 NanoEdge AI 具有延展性，因為它能夠在“機器學習”中利用“機器”。Cartesiam 沒有模仿人類行為通過使用攝像頭“看到”問題或用麥克風“聽到”問題，而是使用電流傳感工具和模擬外圍設備來創建效率更高的模型。通過提供可以適應大量情況的靈活解決方案，公司可以滿足大量應用，我們很自豪能與他們合作，以確保 STM32 將成為這一新征程的驅動力。

審核編輯：郭婷