智慧應用 影音

Arm架構強化物聯網感測優勢 完整產品線助力客戶掌握智慧商機

  • DIGITIMES企劃

Arm首席應用工程師張維良。

數據在各種智慧化系統中扮演了重要角色,完整而可靠的數據方能讓系統後續環節隨之啟動。Arm首席應用工程師張維良指出,感測技術發展多年,數據擷取機制漸臻成熟,然現在市面上的感測器未必能符合智慧化系統所需,他在「Transforming IoT Endpoints with Arm Technology」演講中就深入介紹感測技術近年的發展趨勢與Arm架構在此領域的佈局。

張維良以寒武紀時代的三葉蟲演進為例,點出感測器的進化。他表示當時三葉蟲是地球首先發展出視力系統的生物,憑藉此點優勢,三葉蟲在當時成為最具優勢的掠食者,而目前物聯網裝置爆發基本概念與寒武紀物種數量爆發雷同,但未來可與智慧化系統整合的感測器,才能存活於市場。

至於未來感測器將會有何不同,張維良表示,新世代的感測器將從類比轉為數位、固定功能變成可編程、原始數據轉化為已分析數據...等,在這所有變化中,他認為3V—Voice、Vision、Vibration三種感測器可將智慧化功能內嵌於小型裝置中,為裝置、系統的演化定下基礎。

張維良進一步指出,現在各廠商類型晶片已著手強化上述感測器的開發,例如已有業者透過DSP與機器學習演算法進行語音處理,並將之應用於運算資源有限的裝置上,為了滿足業界需求,Arm積極建置產業生態系統,並提供對應的開發工具,協助業者在最小功率下,盡可能增強效能。

在振動感測器部分,張維良表示,振動擷取類似於聲音,其不同之處在於不正常的訊號改變,此類應用一般可使用DSP,他建議可選用Arm Cortex-M23架構,如果要機器學習,則可採用Arm Cortex-M55,進一步分析異常訊號。

視覺感測器目前的主要應用分為物件偵測、物件分類與物件識別等三種,這三種應用的數據處理難度不一,所使用的Arm架構也不盡相同,物件偵測使用Cortex-M23已然足夠,物件分類可用Arm Cortex-M55加上Arm Ethos-U55神經網路處理器,物件識別由於需要精準辨識特徵,則需用到較高階的Arm Cortex-A53搭配Ethos-N57架構。除了上述解決方案之外,張維良表示,Arm下一世代的系統在功能上將會有更複雜的分析運算鏈(Analysis Processing Chain),藉由Mali系列ISP+Cortex-A+NPU架構,大幅提升運算能力與功耗效率。

除了三種感測器之外,張維良在會場上也探討了感測器融合概念,他指出此概念是結合多個感測器,將數據融合出一個更有價值的資料,以提供系統分析與運算。在此概念中,工程師可結合多種感測器來源,建造更完整更可信的系統,藉此了解環境變化。

此類系統可獨立管理分散資料並進行分析,除此之外工程師也可將不同感測器匯集於單一裝置上,並以DSP運算進行資料融合,最後若有其他需求,可將融合的資料以機器學習演算法識別判斷,再視狀況對應處理分析結果。

演講最後,張維良為與會者提出Arm解決方案在物聯網終端裝置的配置與轉換建議,他指出,現在Arm解決方案在功耗、效能與價格方面都具有高度競爭優勢,其產品線從應用於可攜式裝置的Cortex-M到高效能的Cortex-A一應俱全,除了齊全的產品線外,Arm近幾年也全力打造產業生態系統,接下來Arm將持續延伸強化此一策略佈局,協助客戶縮短開發時程、降低成本。