ST AIoT Craft NEW
STコンポーネントとセンサ内AIを利用して、センサ･ツー･クラウドIoTソリューションの開発期間を短縮するオンライン･ツールです。
ツール
機械学習アルゴリズムの開発、最適化、実装に対応します。
- STの開発ボードでセンサ･ツー･クラウドIoTソリューションを開発
- センサ内AIを実行する機械学習コアをプログラミング
- 詳しいプロジェクト例を確認
ST AIoT Craft NEW
1.0.0
STコンポーネントとセンサ内AIを利用して、センサ･ツー･クラウドIoTソリューションの開発期間を短縮するオンライン･ツールです。
- STの開発ボードでセンサ･ツー･クラウドIoTソリューションを開発
- センサ内AIを実行する機械学習コアをプログラミング
- 詳しいプロジェクト例を確認
- STの開発ボードでセンサ･ツー･クラウドIoTソリューションを開発
オンライン･ツールを使用することで、AI対応IoTノードの開発を合理化できます。
- センサ内AIを実行する機械学習コアをプログラミング
MEMSセンサに内蔵された機械学習コア上で実行するディシジョン･ツリー･アルゴリズムを素早く開発できます。
- 詳しいプロジェクト例を確認
STリファレンス設計を使用した概念実証が見つかります。
NanoEdge AI Studio
組み込みプロジェクトに組み込みAIを追加するための無料AutoMLソフトウェアで、ステップ･バイ･ステップのガイドを通じて、要件を満たす最適なAIモデルが簡単に見つかります。
- AutoML：自動機械学習モデル･ジェネレータ
- エンドツーエンドの組み込みAI実装のための使いやすいソフトウェア
- 1,000種類以上のArm ® Cortex ® -Mマイコンに対応
NanoEdge AI Studio
4.6
組み込みプロジェクトに組み込みAIを追加するための無料AutoMLソフトウェアで、ステップ･バイ･ステップのガイドを通じて、要件を満たす最適なAIモデルが簡単に見つかります。
- AutoML：自動機械学習モデル･ジェネレータ
- エンドツーエンドの組み込みAI実装のための使いやすいソフトウェア
- 1,000種類以上のArm ® Cortex ® -Mマイコンに対応
- オンデバイス学習で異常検出を最適化
- AutoML：自動機械学習モデル･ジェネレータ
NanoEdge AI Studioは、特定のマイクロコントローラに最適なMLアルゴリズムを選択します（ローコード/ノーコード･ソリューション）。
- エンドツーエンドの組み込みAI実装のための使いやすいソフトウェア
専門知識は必要ありません。マイクロコントローラ向けの最先端の小型AIモデルを超短時間で構築します。
- 1,000種類以上のArm ® Cortex ® -Mマイコンに対応
すべてのSTM32マイコン、100種類以上のST開発ボード、20種類以上のArduinoボード、1,000種類以上のArm ® Cortex ® Mマイコンに対応しています。
- オンデバイス学習で異常検出を最適化
NanoEdge AI Studioは、マイコン上でオンデバイス学習を直接実現するST独自のアプローチ（特許取得済み）を提供します。
MEMS Studio
スマート･センサで組み込みAI機能を実現する総合デスクトップ･ソフトウェア･ソリューションです。データ解析、組み込みライブラリの評価、アルゴリズムのノーコード設計が可能で、STのMEMSセンサ･ポートフォリオの全製品に対応しています。
- センサ･データの収集、ラベリング、解析
- ISPUに対するニューラル･ネットワーク（NN）モデルおよび機械学習（ML）モデルのプロファイリングと最適化
- MEMS機械学習コアの設定
MEMS Studio
1.3.0
スマート･センサで組み込みAI機能を実現する総合デスクトップ･ソフトウェア･ソリューションです。データ解析、組み込みライブラリの評価、アルゴリズムのノーコード設計が可能で、STのMEMSセンサ･ポートフォリオの全製品に対応しています。
- センサ･データの収集、ラベリング、解析
- ISPUに対するニューラル･ネットワーク（NN）モデルおよび機械学習（ML）モデルのプロファイリングと最適化
- MEMS機械学習コアの設定
- ディシジョン･ツリー機能およびフィルタの選択
- センサ･データの収集、ラベリング、解析
MEMSセンサ･データの折れ線グラフ。
- ISPUに対するニューラル･ネットワーク（NN）モデルおよび機械学習（ML）モデルのプロファイリングと最適化
インテリジェント･センサ処理ユニット（ISPU）でKeras、ONNX、TFLiteのモデルを読み込み、解析･評価します。
- MEMS機械学習コアの設定
機械学習コア（MLC）でデータを収集、ディシジョン･ツリーを生成し、センサを設定します。
- ディシジョン･ツリー機能およびフィルタの選択
自動フィルタおよび機能選択によってMLC設計プロセスを簡素化します。
OpenSTLinux向けリファレンスAI環境
X-LINUX-AIは、STM32MP1およびSTM32MP2マイクロプロセッサで組み込みAIモデルを実行するためのSTM32 MPU OpenSTLinux拡張パッケージです。Linux® AIフレームワークのほか、アプリケーション例も付属します。
- 姿勢検出（Yolov8n）
- セマンティック･セグメンテーション (DeepLabv3)
- 画像分類（MobileNetv2）
OpenSTLinux向けリファレンスAI環境
5.1.0
X-LINUX-AIは、STM32MP1およびSTM32MP2マイクロプロセッサで組み込みAIモデルを実行するためのSTM32 MPU OpenSTLinux拡張パッケージです。Linux® AIフレームワークのほか、アプリケーション例も付属します。
- 姿勢検出（Yolov8n）
- セマンティック･セグメンテーション (DeepLabv3)
- 画像分類（MobileNetv2）
- 物体検出（MobileNetv2-SSD）
- 姿勢検出（Yolov8n）
一般的なコンピュータ･ビジョン･アプリケーション用のサンプル･コード群。
- セマンティック･セグメンテーション (DeepLabv3)
- 画像分類（MobileNetv2）
- 物体検出（MobileNetv2-SSD）
ST Edge AI Core
マイクロコントローラ、マイクロプロセッサ、MEMSセンサなどの各種STデバイス用の組み込みAIモデルを最適化およびコンパイルするためのコマンド･ライン･インタフェース（CLI）ツールです。
- 一般的な機械学習フレームワークからAIモデルをインポート
- 選択したアルゴリズムの詳細解析を確認
- 各種デバイス用モデルを検証･最適化
ST Edge AI Core
2.0.0
マイクロコントローラ、マイクロプロセッサ、MEMSセンサなどの各種STデバイス用の組み込みAIモデルを最適化およびコンパイルするためのコマンド･ライン･インタフェース（CLI）ツールです。
- 一般的な機械学習フレームワークからAIモデルをインポート
- 選択したアルゴリズムの詳細解析を確認
- 各種デバイス用モデルを検証･最適化
- 選択したSTハードウェア用の実行コードを生成
- 一般的な機械学習フレームワークからAIモデルをインポート
インストーラの例。
- 選択したアルゴリズムの詳細解析を確認
- 各種デバイス用モデルを検証･最適化
- 選択したSTハードウェア用の実行コードを生成
ST Edge AI Developer Cloud
さまざまなSTデバイスにわたって組み込みAIモデルの最適化とベンチマーキングを容易に実施するための無料オンライン･プラットフォームです。ST Edge AI Coreを利用してAIモデルの最適化と検証を行います。
- 各種STデバイスでのオンラインAIベンチマーク･サービス
- AIモデルの最適化とプロファイリング
- STボード･ファームでAIモデルを実行
ST Edge AI Developer Cloud
さまざまなSTデバイスにわたって組み込みAIモデルの最適化とベンチマーキングを容易に実施するための無料オンライン･プラットフォームです。ST Edge AI Coreを利用してAIモデルの最適化と検証を行います。
- 各種STデバイスでのオンラインAIベンチマーク･サービス
- AIモデルの最適化とプロファイリング
- STボード･ファームでAIモデルを実行
- 各種STデバイスでのオンラインAIベンチマーク･サービス
STデバイスでのAIモデルの性能をクラウドで評価します。
- AIモデルの最適化とプロファイリング
ST Edge AI Coreテクノロジーを実行すると、AIモデルを最適化するとともに、STデバイスでのモデルの実行と性能についての洞察が得られます。
- STボード･ファームでAIモデルを実行
STボード･ファームにアクセスすることで、リモートから物理的なST製品にリアルタイム･アクセスできます。選択したデバイスでのAIモデルの性能を確認できます。
ST Edge AI Model Zoo
STデバイスでの実行に最適化されたリファレンス組み込みAIモデルと関連実装スクリプトをまとめたものです。組み込みアプリケーションに組み込みAI機能を追加する際に貴重なリソースとなります。
- STデバイスに最適化された一連のAIモデルから選択
- スクリプトを使用してデータセットからモデルを再学習
- スクリプトを使用してアプリケーションにAIモデルを実装
ST Edge AI Model Zoo
STデバイスでの実行に最適化されたリファレンス組み込みAIモデルと関連実装スクリプトをまとめたものです。組み込みアプリケーションに組み込みAI機能を追加する際に貴重なリソースとなります。
- STデバイスに最適化された一連のAIモデルから選択
- スクリプトを使用してデータセットからモデルを再学習
- スクリプトを使用してアプリケーションにAIモデルを実装
- 独自モデルの使用（BYOM）または独自データの使用（BYOD）
- STデバイスに最適化された一連のAIモデルから選択
Model Zooで提供されるニューラル･ネットワーク･モデルは、ターゲットSTデバイスの各種アプリケーションに最適化されています。
- スクリプトを使用してデータセットからモデルを再学習
- スクリプトを使用してアプリケーションにAIモデルを実装
- 独自モデルの使用（BYOM）または独自データの使用（BYOD）
StellarStudioAI
StellarStudioのStellar E（電動化）マイクロコントローラ用AIプラグインは、自動モデル変換、実行、検証により、車載システム用のニューラル･ネットワークの開発を簡素化します。
- AIモデルを変換
- ニューラル･ネットワーク･パフォーマンス･レポートを作成･レビュー
- 学習済みニューラル･ネットワークを自動変換
StellarStudioAI
1.2.0
StellarStudioのStellar E（電動化）マイクロコントローラ用AIプラグインは、自動モデル変換、実行、検証により、車載システム用のニューラル･ネットワークの開発を簡素化します。
- AIモデルを変換
- ニューラル･ネットワーク･パフォーマンス･レポートを作成･レビュー
- 学習済みニューラル･ネットワークを自動変換
- Keras、TensorFlow lite、ONNXに対応
- AIモデルを変換
Kerasモデル生成によってGUIインタフェースを探索します。
- ニューラル･ネットワーク･パフォーマンス･レポートを作成･レビュー
IDEパネルを使用して検証や性能の結果を表示します。
- 学習済みニューラル･ネットワークを自動変換
学習済みニューラル･ネットワークを生成し、Stellar Eマイコンに簡単にコンパイル、実装、実行できる効率的なANSI Cライブラリに変換します。
- Keras、TensorFlow lite、ONNXに対応
Stellar E開発環境へのAIプラグインの統合。
STM32Cube.AI
無料のSTM32Cube拡張パッケージであるX-CUBE-AIは、ニューラル･ネットワークや機械学習モデルなどの学習済み組み込みAIアルゴリズムをSTM32に最適化されたCコードに自動変換できます。
- NNおよびMLモデルをSTM32プラットフォームに最適化
- STM32プラットフォームでNNおよびMLモデルをプロファイリング
- STM32プラットフォーム上でNNおよびMLモデルを評価
STM32Cube.AI
9.0.0
無料のSTM32Cube拡張パッケージであるX-CUBE-AIは、ニューラル･ネットワークや機械学習モデルなどの学習済み組み込みAIアルゴリズムをSTM32に最適化されたCコードに自動変換できます。
- NNおよびMLモデルをSTM32プラットフォームに最適化
- STM32プラットフォームでNNおよびMLモデルをプロファイリング
- STM32プラットフォーム上でNNおよびMLモデルを評価
- STM32CubeMX拡張パッケージとして利用可能
- NNおよびMLモデルをSTM32プラットフォームに最適化
独自のNNモデルをSTM32CubeMXにインポートし、最適化オプションを選択すると、入力モデルに応じて最適化されたCコードが生成されます。
- STM32プラットフォームでNNおよびMLモデルをプロファイリング
X-CUBE-AIはNNモデルを解析し、ネットワーク全体およびレイヤごとのNNメモリ要件や推論時間を詳細に示すプロファイリング･レポートを生成します。
- STM32プラットフォーム上でNNおよびMLモデルを評価
- STM32CubeMX拡張パッケージとして利用可能
ToFセンサによるハンド･ポスチャAI
ハンド･ポスチャ認識ソリューションは、STのマルチゾーンToF測距センサをベースにして一連のハンド･ポスチャを認識し、カメラの必要性をなくします。
- 複数の方法でデータセットを構築可能
- 既存データセットで認識された7種のハンド･ポスチャ
- 8x8測定距離および信号レートに基づく
ToFセンサによるハンド･ポスチャAI
ハンド･ポスチャ認識ソリューションは、STのマルチゾーンToF測距センサをベースにして一連のハンド･ポスチャを認識し、カメラの必要性をなくします。
- 複数の方法でデータセットを構築可能
- 既存データセットで認識された7種のハンド･ポスチャ
- 8x8測定距離および信号レートに基づく
- STM32マイクロコントローラに実装
高速データロガー
センサ･データセットの収集とラベリングを管理できます。データセットはmicroSDカードに保存されるか、USB経由でストリーミングされます。データ収集は、GUI、CLI、またはスマートフォンでBluetoothを使用して制御できます。
- 高速データを収集･モニタリング
- Python SDKでデータを収集･管理
- 複数のマイコン･シリーズ間でプロジェクトを移行可能
高速データロガー
2.1.1
センサ･データセットの収集とラベリングを管理できます。データセットはmicroSDカードに保存されるか、USB経由でストリーミングされます。データ収集は、GUI、CLI、またはスマートフォンでBluetoothを使用して制御できます。
- 高速データを収集･モニタリング
- Python SDKでデータを収集･管理
- 複数のマイコン･シリーズ間でプロジェクトを移行可能
- モジュール式のサンプル･ファームウェアを見る
- 高速データを収集･モニタリング
UIでデータ収集をモニタリングしながらライブ･データを確認します。
- Python SDKでデータを収集･管理
ウィジェットをカスタマイズしてデータ･ソースを正確に管理･可視化します。
- 複数のマイコン･シリーズ間でプロジェクトを移行可能
- モジュール式のサンプル･ファームウェアを見る
