行動分類などに最適！機械学習コア

機械学習コア（Machine Learning Core、以下MLC）は、設定可能なパラメータのセット（特徴量とも呼ばれる）とディシジョン･ツリーで構成されています。ディシジョン･ツリーは、内部ノードとリーフという2種類のノードで構成された二分木の形で表されます。ディシジョン･ツリーの内部ノードは、子ノードを持つノードとなっています。MLC内部のディシジョン･ツリーは二分木であるため、子ノードの数は2つです。内部ノードはディシジョン･ツリーの一部を表しており、生センサ･データから計算された統計的パラメータがしきい値（if-then-else）と比較され、これをもとに次の方向（真または偽）が選択されます。ディシジョン･ツリーのリーフ･ノードは、子ノードを持たないノードで、ユーザ定義クラスの1つ（結果）を含んでいます。加速度センサのデータのみを使用したアクティブ / 非アクティブ検出例に関するディシジョン･ツリーの簡単な説明については、以下の図をご覧ください。

ディシジョン･ツリーの内部ノード内でしきい値と比較される統計的パラメータは、使用可能なセンサ･データ（内部データおよび外部データ（センサ･ハブが使用できる場合）の両方）の中から、定義された時間枠内にユーザが選択した平均や分散などのパラメータです。

ユーザが選択したパラメータは、ディシジョン･ツリーのトレーニング中に評価されます。トレーニング後、統計的に関連性のあるパラメータのみが最終的なディシジョン･ツリーに含められます。

MLC機能を使用する場合は、教師あり学習アプローチを使用する必要があります。これには、以下の手順が含まれます。

• 認識するクラスを定義し、それと同時に可能なあらゆるオプションを網羅 
• クラスごとに十分な量のトレーニング･データのログを取得 
• クラスごとに異なるパラメータを選択（このプロセスは、初回に最も適したパラメータを見つけられる保証がないため、反復プロセスとなる場合もあります）
• 関連するソフトウェア･ツールを使用してディシジョン･ツリーを作成
• トレーニング済みのディシジョン･ツリーをセンサに読み込める設定ファイルに変換

STのMEMS評価ソフトウェア･パッケージ「Unico-GUI」には、データ･ログのラベリングからセンサ用の設定ファイルの作成に至るまで、ディシジョン･ツリーの全作成プロセスをサポートするMLCツールが含まれています。

適切なアプリケーションとしては、観察に基づくパターン検索を伴う、帰納的アプローチに従って実行できるアプリケーションが挙げられます。こうしたアプリケーションには、行動認識、フィットネス活動認識、モーション強度検出、振動強度検出、運搬ポジション認識、コンテキスト認識などが含まれます。

MLC対応センサの詳細については、st.com/MLCまたはSTのMLC GitHubリポジトリをご覧ください。MLCリポジトリには、各種のセンサで評価可能なアプリケーション例および設定ファイルのほか、ディシジョン･ツリーの作成プロセスをガイドするSTのさまざまなハードウェアやソフトウェア･ツールが含まれています。主要ソフトウェアは、MLCの開発専用ツールであるUnico-GUIです。作成したMLC設定を評価する際は、使用する評価ハードウェアに応じて、Unico-GUIまたはAlgoBuilderとUnicleo-GUIのいずれかを使用できます。

動画で解説： 15分で作成可能！電子ペンのモーション検出

この動画では、STマイクロエレクトロニクスの機械学習コア内蔵6軸モーション･センサを使用して、簡単なステップで機械学習コアを利用する実際の手順を、電子ペンの状態認識を例に紹介しています。

プロフェッショナルMEMSボード「STEVAL-MKI109V3」とアダプタ･ボード「STEVAL-MKI-197V1」、開発ソフトウェア「Unico-GUI」を使用すれば、わずか15分でディシジョン･ツリーを作成し、初期評価に着手することができます。

機械学習コア 応用例

MLCはさまざまな動作を判定することができます。その一部の動作確認が可能なMLC用サンプル設定ファイルをGitHubよりダウンロードできます。設定ファイルをMLC内蔵MEMSセンサに書き込むだけで、下記の動作判定が可能です。

関連リソース

•  MEMSセンサによる機械学習システム用開発エコシステム
•  The ST blog

柔軟なプログラムが可能！インテリジェント·センサ処理ユニット

小型で超低消費電力かつ高性能なプログラム可能なコアであるインテリジェント･センサ処理ユニット（ISPU）は、STが開発した独自のアーキテクチャをベースとしています。ISPUは、最大30個の個別ユーザ定義アルゴリズムを使用し、内部データ（加速度センサ、ジャイロセンサ、温度）および外部データ（センサ･ハブを介して外部センサと接続）の両方を処理できます。これらのアルゴリズムは、新しいデータ群がサンプリングされるたびに、アルゴリズム29からアルゴリズム0の順に実行されます。ISPUは、コード用の32KBおよび変数データ用の8KBの2つの個別RAMでサポートされており、クロックは5MHzまたは10MHzのいずれかで稼働するよう設定可能です。

下図では、データ処理に加え、センサとマイクロコントローラや外部センサとの接続について説明しています。

ISPUは、ISPUツールチェーンでコンパイル可能なC言語アルゴリズムを実行できます。また、NanoEdge™ AI Studioを使用し、異常検出ライブラリを生成できます（ISM330ISN向け）。X-CUBE-ISPUソフトウェア･パッケージには、評価可能な例（補正アルゴリズム、センサ･フュージョン、手首動作検知など）のほか、新しいカスタム内蔵機能に使用する空のテンプレート･プロジェクト、異常検出プロジェクトの統合例、そしてUnicleoと連携して使用するデータ･ログ･ファームウェアが含まれています。X-CUBE-ISPUパッケージは、STのウェブサイトまたはSTのGitHubページから入手可能です。ISPUツールチェーンでコンパイルされるISPU設定ファイルを評価する際は、選択した評価ハードウェアに対応するAlgoBuilderとUnicleo-GUIを使用できます。

ISPUセンサ･ファミリの詳細については、st.com/ISPUをご覧ください。

動画で解説： インテリジェント･センサ処理ユニット内蔵MEMSセンサでエッジAIを加速！

STは、AIをIoTエッジのマイコンから、さらに末端のセンサに広げるためのさまざまなソリューションを提供しています。この動画では、モーション･データのAI処理に最適化されたインテリジェント･センサ処理ユニット（ISPU）を内蔵したSTの最新MEMSモーション･センサの機能や性能、開発エコシステムについて解説します。

ISPU応用例

STのISPU内蔵MEMSセンサを使えば、独自のCソースコードで記述されたプログラムをISPU内で高効率に実行·演算することができ、高度なAIアルゴリズムの実行を低消費で実行することが可能です。

ISPUで実行できるライブラリには、下図のような信号処理およびAIアルゴリズムが含まれており、そのサンプル･ライブラリをGitHubからダウンロードすれば、すぐに動作確認ができます。なお、NanoEdge™ AI StudioはISPUに対応しており、簡単に独自のAIアルゴリズムを作成することができます。

•  ISPU関連情報ページ

ジェスチャ·パターンを認識！ステート·マシン

ステート･マシンとは、ステート間を固有の形で遷移する有限数のステートで構成された動作モデルのことで、内部データと外部データ（センサ･ハブを使用できる場合）の両方を処理できるフロー･チャートに似ています。ステートには、「リセット / 継続（RNC）」と「コマンド（CMD）」の2種類があります。RNCタイプのステートは、2つの条件で構成されており、一方はステート･マシンのリセットに、もう一方はプログラム･フローの継続に使用されます。RNCステートの詳細を以下の図に示します。

まずリセット条件が評価されます。結果が真の場合、ステート･マシンがリセットされます。それ以外の場合には継続条件が評価されます。継続条件が満たされた場合、フローは次のステートに移行します。それ以外の場合には次のサンプルが到着するまでフローが一時停止し、新しいサンプルで評価（リセットおよび継続条件の両方）が行われます。

RNCステート･タイプに対する条件の例としては、操作なし、タイマ、しきい値との比較などが挙げられます。2番目のタイプのステート（CMD）では、コマンドが実行され、フロー制御と出力に関するプログラムの動作が変更されます。

コマンドの例としては、停止実行、リセット･ポインタの設定 / リセットなどが挙げられます。エンド･ステートに到達するか、一部の特定のコマンドが実行されると、FSMの割込み信号が生成されます。複数のステート･マシンを同時に実行できます。

下図では、加速度センサのデータをベースとする単純なウェイクアップの例を示しています。

ステート･マシン･アプローチは、ユーザ定義のジェスチャ･パターンを認識しなければならないアプリケーションに最適です。

FSMを内蔵したSTの最新センサには、自己構成機能（ASC）が含まれています。つまり、FSMの割り込みを使用して、デバイス設定の変更（ODR、FS、BW、パワー･モード、FIFOなど）をトリガできるので、マイクロコントローラをSLEEPモードのまま維持できます。

ステート･マシンの機能の詳細については、STのGitHubリポジトリをご覧ください。このリポジトリには、アプリケーション例や設定例が含まれています。アプリケーション例は、さまざまなセンサに利用でき、センサにアップロードすることで即時に評価できます。設定例には主に、STが提供するさまざまなツールを使用して自身のステート･マシンを設定し、評価するための情報が含まれています。主要ソフトウェアは、FSMの開発専用のツールを提供するUnico-GUIです。作成したFSM設定を評価する際は、使用する評価ハードウェアに応じて、Unico-GUIまたはAlgoBuilderとUnicleo-GUIのいずれかを使用できます。

FSM 応用例

FSMを用いて最も少ない電力で、その一部の例を直感的に動作確認ができるよう、FSM用のサンプル設定ファイルをGitHubよりダウンロードできます。
下記に示したいくつかの動作判定が行える設定ファイルをGitHubよりダウンロードし、FSM内蔵のセンサに書き込むだけで、すぐにその動作確認ができます。