TDK如何快速实现边缘设备的机器学习

对于想要快速扩展边缘人工智能雄心的开发人员来说，硬件碎片化是一个早期障碍。

TDK Qeexo 为工业、制造、嵌入式系统和移动设备等应用开发机器学习 (ML) 解决方案。该公司于 2012 年推出首款产品 FingerSense，这是一种手机技术，可以使用振动感应和电容式触摸来区分不同类型的触摸输入。

“我们创建了这个出色的机器学习应用程序，我们的客户说，‘太棒了！ 听着，我们每年需要您支持大约 60 种手机型号。”TDK Qeexo 产品管理总监 Michael Gamble 说道。 “我们说，坚持住。然后与机器学习专家团队花了大约四个月的时间来支持这些手机。”

为了应对这些挑战，TDK Qeexo 开发了 Qeexo Auto ML，这是一个完全自动化的端到端机器学习开发平台，利用传感器数据来快速构建和部署在嵌入式设备上本地运行的轻量级机器学习解决方案 –tinyML。 对于边缘人工智能来说，它是一个无代码环境，可以实现数据收集、可视化、注释、模型训练和部署以及一系列其他有用的功能。

通过自动化机器学习开发过程中最繁琐的部分，他们能够减少支持多种手机型号所需的时间和精力，这种自动化使他们能够迅速扩展业务以支持超过 4 亿部手机。

简化边缘人工智能开发

借助 Qeexo Auto ML，没有机器学习支持的团队可以轻松地将其添加到他们的库中。 企业无需使用昂贵的嵌入式机器学习资源，即可受益于更快的迭代周期和降低的成本。 该自动化平台使专家能够通过机器学习专业人员执行传统上由专业资源完成的任务，从而提供显着的成本优势。

Qeexo 于 2023 年初被 TDK 收购，与宝洁公司 (P&G) 合作，为宝洁团队部署 Qeexo AutoML，为消费品创建智能解决方案。P&G 在 2023 年春季 Tiny ML 峰会上发表演讲，重点介绍了 Qeexo 的软件如何降低为其产品添加智能要素。

一位不愿透露姓名的客户对 TDK Qeexo 首席执行官制作的演示视频印象深刻，该视频展示了其区分不同动作的能力，因此与该公司进行了合作。这导致为该公司的工业机器开发了基于状态的监控解决方案。

本着消除开发障碍的精神，TDK Qeexo 与 Arm 在硬件 IP 和开发支持方面有着密切的合作。 他们已将 Arm 虚拟硬件（基于 Arm 的处理器、系统和第三方硬件的一系列功能准确的表示）集成到其 Qeexo Auto ML 平台中。 这使得用户只需软件即可进行原型设计，而不需要物理硬件。

“目前，Qeexo AutoML 为特定的硬件设备提供支持。”Gamble 说。“因此，通过 Arm 虚拟硬件，我们的目标是克服这些界限，并通过 Qeexo AutoML 创建与制造商无关的虚拟可配置传感器模块。”