Nicht nur für die Cloud KI und ML für Mikrocontroller

Maschinelles Lernen wird direkt in den Endgeräten stattfinden.
Maschinelles Lernen wird direkt in den Endgeräten stattfinden.

Um kurze Reaktionszeiten zu ermöglichen sollen ML-Algorithmen in den Endgeräten laufen. Alexandra Dopplinger von NXP weiß welche Anforderungen damit verbunden sind, sowohl für die Mikrocontroller als auch für die Tools.

Auf der diesjährigen Messe SPS/IPC/Drives wird NXP an seinem Stand 10.1. – 229 das Thema maschinelles Lernen (ML) hervorheben. Alexandra Dopplinger, Global Industrial Marketing Manager für die Microcontroller Group von NXP, hat die ML-Aktivitäten von NXP für den Messestand gebündelt. Sie wird selbst auf der Messe in Nürnberg sein und am Stand über ML-Anwendungen informieren.

 

?     Frau Dopplinger, Machine Learning (ML) wird oft mit der Verarbeitung großer Datenmengen gleichgesetzt, die Cloud Computing erfordern. NXP plant, ML-Anwendungen in Zukunft auf Endgeräten zu implementieren. Wie würde das funktionieren?

!     Alexandra Dopplinger: Machinelles Lernen beginnt mit dem Aufbau von Inferenzmodellen aus großen Datenmengen – typischerweise in der Cloud oder auf einem Hochleistungscomputer.

Diese Inferenzmodelle können dann optimiert werden, um auf einer Reihe von effizienten eingebetteten Prozessoren mit und ohne Cloud-Zugriff zu laufen. NXP-Kunden liefern bereits Edge-basierte ML-Anwendungen wie MCU-basierte Lichtschalter und MPU-basierte Zugangskontrollen.

 

?     Welche NXP-Mikroprozessoren und -Controller eignen sich für ML-Anwendungen und welche Tools benötigen Entwickler?

!     Dopplinger: NXP bietet ein breites Portfolio von Mikroprozessoren und -controllern, die für ML-Anwendungen geeignet sind, einschließlich Spracherkennung, Objekterkennung, Gesichtserkennung, Anomalieerkennung und Fehlererkennung. Der beste Baustein für eine Anwendung ist derjenige, der Entscheidungen mit der erforderlichen Genauigkeit, innerhalb des erforderlichen Zeitrahmens und zu den besten Systemkosten trifft.

Nach der Erstellung des Inferenzmodells stehen mehrere Werkzeugoptionen zur Verfügung, um deren Implementierung auf dem entsprechenden NXP-Mikrocontroller zu optimieren. Die komplementäre eIQ-Softwareentwicklungsumgebung von NXP kann Inferenzmaschinen optimieren, die auf den Arm-Cortex-M7-Kernen in i.MX-RT-Crossover-Mikrocontrollern, den Cortex-A-Kernen in i.MX-8-Anwendungsprozessoren, den GPUs in i.MX-8QuadMax-Anwendungsprozessoren und den neuronalen Netzwerkeinheiten in zukünftigen, noch nicht öffentlich angekündigten Bausteinen laufen. Partner wie Au-Zone Networks bieten kommerzielle Tools für noch mehr Möglichkeiten.

 

?     Können ML-Anwendungen auf die Ressourcen eines Mikroprozessors zugeschnitten werden? Ist eine Portierung auf andere Mikroprozessoren möglich?

!     Dopplinger: Ja, die ML-Inferenzmaschinen können auf Hardware-Engines wie Cortex-A- oder Cortex-M7-Kernen von Arm, Grafikprozessoren (GPU), digitalen Signalprozessoren (DSP) und neuronalen Netzwerkeinheiten (NNU) in jedem Gerät laufen. Das eIQ-Tool von NXP unterstützt die Portierung zwischen vielen NXP-Mikroprozessoren und -controllern. Die Tools von kommerziellen Partnern unterstützen die Portierung zwischen NXP-Bausteinen und Prozessoren anderer Hersteller.

 

?     Welche Referenzdesigns für ML bietet NXP speziell an? Womit können Entwickler beginnen?

!     Dopplinger: NXP bietet eine Vielzahl von Beispielcodes, Demos und Referenzdesigns, die Spracherkennung, Gesichtserkennung, Anomalieerkennung und Objekterkennung unterstützen. NXP bietet auch einsatzbereite Mikrocontrollersysteme – Hardware plus Software – für Alexa-Sprache (i.MX RT106A), rein lokale Spracherkennung (i.MX RT106L) und rein lokale Gesichtserkennung (i.MX RT106F) – Anwendungen mit in der Produktion installierter binärer Software und zugehörigen Lizenzen. Diese handelsüblichen Maschinen basieren auf dem Cortex-M7-Kern der i.MX RT1060 Crossover-Mikrocontroller.

 

?     Was zeigt NXP in Bezug auf ML auf der SPS 2019?

!     Dopplinger: Zu sehen gibt es NXP-basierte ML-Systeme auf den Ständen  von Partnern und Kunden, wie z.B. eine AWS-Anwendung am Amazon-Stand und am Toradex-Stand, die auf den GPUs im i.MX-8QuadMax-Anwendungsprozessor laufen. Bei Fragen und Interesse stehen natürlich auch die Experten am NXP-Stand zur Verfügung. Oder informieren Sie sich z.B. über die eIQ-Software auf der Internetsite nxp.com/eiq.

 

 

Alexandra Dopplinger, P. Eng.,

ist Global Industrial Marketing Manager für die Microcontroller Group von NXP. Sie hält ein Patent für eine redundante Netzwerktechnik, hat mehr als 16 Jahre Erfahrung in der Halbleiterindustrie und zehn Jahre Erfahrung in der Telekommunikation.

Nach dem Bachelor (B. Eng.) in Elektrotechnik, von der Memorial University of Newfoundland, in St. John‘s, Kanada, übernahm Dopplinger Aufgaben, die von Hardware- und Systementwicklung bis zum Produktmanagement und Marketing reichen. Heute nutzt sie ihr umfassendes Wissen in der industriellen Automatisierungs- und Steuerungstechnik, um das Industriegeschäft von NXP auszubauen.

alex.dopplinger@nxp.com