[EDITION ABONNES] A l’instar de la jeune pousse française Cartesiam, plusieurs entreprises concentrent tous leurs efforts à apporter sous forme logicielle des capacités d’intelligence artificielle (IA) ou d’apprentissage automatique (ML) à des microcontrôleurs standard dans le cadre de la mouvance TinyML (Tiny Machine Learning). ...C’est aussi le cas de la société californienne Qeexo, créée en 2012, qui a développé sous le nom d’AutoML une plate-forme automatisée d’apprentissage automatique censée accélérer le déploiement d’application TinyML en périphérie de réseau (edge). Une plate-forme qui, depuis quelques mois, permet aux développeurs d’ajouter de l’intelligence même à des produits bâtis sur des puces à cœur Arm Cortex-M0 et Cortex-M0+, à l’instar des capteurs et microcontrôleurs disponibles dans l’écosystème Arduino ou auprès de fournisseurs comme Renesas, STMicroelectronics ou Bosch Sensortec.

Le Cortex-M0, rappelons-le, est le plus compact des cœurs Arm disponibles, tandis que le Cortex-M0+ s'appuie sur son aîné tout en étant plus performant pour une consommation d’énergie moindre. Si l’on en croit la firme américaine, qui a levé 7,3 millions de dollars depuis sa création, Qeexo est la première société à automatiser l'ajout de l'apprentissage automatique sur les Cortex-M0 et M0+ que l’on trouve principalement dans des produits simples et peu onéreux dont l’autonomie est critique tels que les traceurs d'activité.

Dans la pratique, l’environnement AutoML vise à guider les utilisateurs durant l’intégralité du processus de développement d’un logiciel d’apprentissage automatique à travers une interface utilisateur intuitive et ce sans avoir à écrire une seule ligne de code, assure Qeexo. Après la définition du projet, l’utilisateur peut ainsi choisir le ou les types de capteurs et la cible matérielle (au choix parmi les plates-formes déjà disponibles auprès d’Arduino, Renesas ou STMicroelectronics), lancer la récupération et l’enregistrement de données, sélectionner une ou plusieurs méthodes d’apprentissage automatique, comparer les résultats obtenus avec ces différents algorithmes, puis traduire les modèles retenus en C avant compilation et déploiement sur la cible embarquée.

A l’heure actuelle, si l’environnement AutoML s’accommode des microcontrôleurs Arm de classe M0 à M4, la liste des méthodes ML prises en charge est relativement étoffée entre les réseaux de neurones convolutifs (CNN) et récurrents (RNN), les arbres de décision, les algorithmes GBM (Gradient Boosting Machine), XGBoost, Random Forest ou Isolation Forest, la régression logistique, la détection des anomalies (Local Outlier Factor), etc. Les bibliothèques générées sont, quant à elles, particulièrement optimisées tout en affichant une empreinte mémoire très compacte, assure Qeexo. Les modèles sont donc conçus pour être exécutés sur des produits embarqués aux ressources limitées au sein d’applications à ultrabasse consommation et faible latence dans des domaines comme l’industriel, l’Internet des objets, les dispositifs électroniques portés sur soi, les terminaux mobiles, l’automobile, etc.

Parmi les premières plates-formes Cortex-M0/M0+ prises en charge par l’environnement AutoML, on citera la carte Arduino Nano 33 IoT (photo ci-dessus), architecturée sur le microcontrôleur 32 bits SAMD21 à cœur Cortex-M0 et équipée d’un module Wi-Fi/Bluetooth et d’une centrale à inertie six axes, ainsi que le capteur intelligent BMF055 de Bosch Sensortec qui intègre dans un boîtier-système SiP un accéléromètre 14 bits triaxial, un gyroscope 16 bits triaxial, un capteur géomagnétique triaxial et un microcontrôleur Cortex-M0+.

Le module de détection RA6M3 ML de Renesas ainsi que le kit d’évaluation multicapteur STWIN pour analyse de vibrations de STMicroelectronics, tous deux bâtis sur des microcontrôleurs à cœur Arm Cortex-M4, figurent aussi au rang des cibles matérielles supportées par l’outil de Qeexo.

Vous pouvez aussi suivre nos actualités sur la vitrine LinkedIN de L'Embarqué consacrée à l’intelligence artificielle dans l’embarqué : Embedded-IA

Vous pouvez aussi suivre nos actualités sur la vitrine LinkedIN de L'Embarqué consacrée aux microcontrôleurs : Embedded-MCU