自帶AI功能的新一代傳感器

無論是5G還是IoT以及熱度不減的智能駕駛都在要求MEMS傳感器能夠功耗更低，性能更高。ST通過運用人工智能的機器學習技術研發出了最新一代的傳感器，可提高系統整體性能，釋放開發人員設計潛力。

近日ST宣布研發出了可機器學習的LSM6DSOX 傳感器，LSM6DSOX 傳感器內部集成一個機器學習內核，可根據已知運動模式對運動數據進行分類處理，接替主處理器處理運動跟蹤的第一階段任務，這種方法可以節能降耗，加快健身記錄、健康監測、個人導航、跌倒檢測應用等運動類應用程序的運行速度。

配備意法半導體LSM6DSOX的設備可以為用戶帶來便利、響應迅速的“永遠開啟”的使用體驗，且對電池續航時間沒有太大影響。LSM6DSOX相對于傳統傳感器相比，增添了更大的FIFO內存空間，并配備最先進的高速I3C數字接口，使得傳感器與主控制器的交互間隔更長，連接時間更短，節能省電效果更好。

l 該傳感器易于集成到主流移動平臺（例如：Android和iOS）上，可簡化消費、醫療和工業智能設備使用流程。LSM6DSOX包含一個3D MEMS加速度計和3D MEMS陀螺儀，并使用機器學習內核跟蹤復雜的運動，具備市場上功耗最低的慣性測量單元 （雙模高性能功耗0.55 mA ），傳感器硬件運行機器學習算法節能10到1000倍（相對于應用處理器方法）。

l 機器學習內核與傳感器集成的有限狀態機邏輯（finite-state machine logic）協同工作，執行運動模式識別或振動檢測功能。使用LSM6DSOX創建運動跟蹤產品，可以用開源PC應用程序Weka，或者云端神經網絡對機器學習內核進行決策樹分類培訓，從樣本數據生成設置參數和限值，例如，用于表征被檢測運動類型的加速度、速度和磁傾角。

l 因為支持自由落體檢測、喚醒、6D/4D方向檢測、單擊和雙擊中斷，LSM6DSOX可用于運動跟蹤外的其它的多種應用，例如，用戶界面管理和筆記本電腦保護。輔助輸出和配置選項還簡化其光學防抖（OIS）應用。

為什么將人工智能加入到MEMS傳感器中？

人工智能解決方案可提高檢測能力20%，50%識別速度，而且設置簡便，只需5個步驟：

1. 用戶定義要識別的類

2. 為每個類采集日志數據

3. 定義與要識別類的最匹配的特征

4. 機器學習工具根據這些日志和特征生成可在LSM6DSOX上運行的決策

5. 配置LSM6DSOX，然后運行程序

就這么簡單！

ST：20年MEMS發展歷史，用實力說話

一張圖感受下，ST MEMS的20年發展歷史：

MEMS最初設計是用于工業設備和汽車用品的，隨著時間的推移，ST已經有了較完善的傳感器供應，MEMS 主要分為兩部分：一部分是傳感器，就是我們耳熟能詳的加速度、陀螺儀;另一部分是致動器，這也是MEMS的重要組成部分。ST作為一個IDM的半導體公司，擁有完整的研發生產，雖然這兩項原理是正反的關系，但在真正的設計和工藝上，是可以復用的。

2005 年ST首個3軸加速度計研發成功，2008年iOS平臺獲獎產品被手機廣泛采用，2014

年更是應對強大的市場目標：對Android提供了友好支持。

ST的壓力傳感器運用自己獨有技術可實現最高性能，在高壓力條件下，線性良好;在量程范圍內，靈敏度更高。ST采用獨有的一次成型的封裝技術，經過市場檢驗的封裝技術，出貨量超過3億片。

ST的MEMS傳感器系列繁多，在工業4.0、高端工業和智能駕駛領域都有專門的MEMS傳感器。同時有完整的MEMS軟件解決方案，從驅動程序到軟件開發工具，包括底層驅動程序、X-CUBE-MEMS-XT1、軟件庫和AlgoBuilder工具。