Schnellere Entwicklung mit…

…»Edge-AI Developer Cloud«

30. Januar 2023, 17:05 Uhr | Iris Stroh

STMicroelectronics stellt eine neue Palette an Tools und Services vor, die als Hilfestellung für hard- und softwarebezogene Entscheidungen dienen und damit eine schnellere, weniger komplexe Markteinführung von Edge-AI-Technologie ermöglichen.

»Wir präsentieren heute die weltweit erste MCU Edge-AI Developer Cloud als perfekte Ergänzung zu unserer STM32Cube.AI-Infrastruktur. Das neue Tool ermöglicht über die Cloud ein Fern-Benchmarking von Modellen auf STM32-Hardware, um den Arbeitsaufwand zu reduzieren und die Kosten zu senken«, erklärt Ricardo De Sa Earp, Executive Vice President der General-Purpose Microcontroller Sub-Group von STMicroelectronics. Dabei gehe es dem Unternehmen darum, das optimale Angebot an Hardware, Software und Services zu bieten, damit Embedded-Entwickler und Informatiker die ihnen gestellten Herausforderungen bewältigen und ihre Edge-AI-Anwendungen schneller und mit weniger Komplikationen entwickeln können.

Angesichts der wachsenden Nachfrage nach Edge-AI-basierten Systemen enthält das STM32Cube.AI Desktop-Frontend die Ressourcen, die Entwickler benötigen, um aus trainierten neuronalen Netzen optimierte STM32-AI-Bibliotheken zu validieren und zu generieren. Ergänzend kommt als Online-Version des Tools die MCU Edge-AI Developer Cloud hinzu, die erstmals in der Industrie eine ganze Reihe von Features bietet:

Ein Online-Interface zum Generieren von optimiertem C-Code für STM32-Mikrocontroller, ohne dass eine vorherige Softwareinstallation erforderlich ist. Bei der Entwicklung von Edge-AI-Projekten profitieren Informatiker und Entwickler von der bewährten Leistungsfähigkeit von STM32Cube.AI bei der Optimierung neuronaler Netze.

Zugang zum STM32 Model Zoo, einem Bestand trainierbarer Deep-Learning-Modelle und Demos, um die Applikationsentwicklung zu beschleunigen. Bei den zum Zeitpunkt der Einführung verfügbaren Anwendungsfällen handelt es sich um die Erkennung menschlicher Bewegungen zur Aktivitätserkennung und -verfolgung, die computergestützte Bildverarbeitung für die Bildklassifizierung oder Objekterkennung, die Erkennung von Audio-Ereignissen für die Audio-Klassifizierung sowie einiges mehr. Diese auf GitHub gehosteten Ressourcen ermöglichen das automatische Generieren STM32-optimierter Starterpakete.

Zugriff auf den weltweit ersten Online-Benchmarking-Service für Edge-AI-basierte neuronale Netze auf STM32-Boards. Die per Cloud zugängliche Board-Farm umfasst eine breite, regelmäßig aktualisierte Palette von STM32-Boards, sodass Informatiker und Entwickler aus der Ferne die tatsächliche Leistungsfähigkeit ihrer optimierten Modelle messen können.

Die STM32Cube.AI Developer Cloud (https://stm32ai-cs.st.com) ist für registrierte MyST-User ab sofort kostenlos verfügbar.

Das Tool wurde bereits von mehreren Embedded-Development-Kunden getestet und evaluiert und mit folgenden Statements gedacht:

»Wir haben STM32Cube.AI in der Vergangenheit mit großartigem Erfolg genutzt, und es hat uns die Implementierung höchst leistungsfähiger AI-Anwendungen auf kostengünstigen Mikrocontrollern ermöglicht. Wir freuen uns nunmehr, dass dieses Produkt durch eine Online-Benutzeroberfläche erneut aufgewertet wurde, denn hierdurch wird es uns möglich sein, die Performance unserer AI-Modelle zu evaluieren und uns in einer früheren Projektphase für eine geeignete Hardwarearchitektur zu entscheiden, sodass wir bei der Entwicklung von AI-Anwendungen schneller ans Ziel gelangen können. Wir sind insgesamt äußerst zufrieden mit den Serviceleistungen und der Unterstützung des AI-Teams von ST«, erklärt Toly Kotlarsky, Distinguished Member Technical Staff, R&D von Zebra Technologies.

»Der Model Zoo, die Online-Benutzerschnittstelle für STM32Cube.AI und die Remote-Benchmarking-Funktionen auf STM32-Boards, macht es für unsere Informatiker, die unterschiedliche Hardware-Vorkenntnisse mitbringen, jetzt einfacher, Erkenntnisse über die Eignung von AI-Modellen für die Mikrocontroller unserer Produkte zu gewinnen. Die Tatsache, dass wir unsere Modelle jetzt mit nur wenigen Klicks auf verschiedenen STM32-Mikrocontrollern testen können, ermöglicht es uns nunmehr außerdem, die eingebettete AI-Verarbeitung in einer früheren Phase des Designprozesses zu testen und sie für das Design anspruchsvollerer Features zu nutzen«, so Didier Pellegrin, VP AI Anticipation and Strategy bei Schneider Electric

»Die STM32Cube.AI Developer Cloud bietet unseren Informatikern und Embedded-Entwicklern eine einfache Möglichkeit, zusammenzuarbeiten und ihr Wissen über eingebettete neuronale Netze zu teilen, wodurch wiederum unser gesamter Entwicklungsprozess rationalisiert wird. Dank der Benchmarking-Funktion können unsere Informatiker nun außerdem sicherstellen, dass die von ihnen entwickelten Modelle reibungslos auf den jeweiligen Mikrocontrollern laufen. Wir sind hierdurch in der Lage, wettbewerbsfähig zu bleiben und unseren Kunden die bestmöglichen Lösungen zu offerieren«, sagt Johan A. Simonsson, Director AI Ideation & Research bei Husqvarna Group AI Labs

»Dank der STM32Cube.AI Developer Cloud können wir in sehr kurzer Zeit die Validität unseres Ansatzes zur Realisierung eines Produkts mit Embedded-AI-Features nachweisen. Mit der Board Farm sind wir ferner in der Lage, die Lauffähigkeit des jeweiligen Modells auf einem bestimmten Mikrocontroller zu demonstrieren, und durch die Möglichkeit des Fern-Benchmarkings auf unterschiedlichen STM32-Boards können wir nicht zuletzt ermitteln, welcher STM32-Mikrocontroller am besten geeignet ist. Insgesamt ist diese Ergänzung zu STM32Cube.AI also wirklich zu begrüßen, denn sie wird uns künftig die Entwicklung weiterer innovativer Produkte ermöglichen«, so Serge Robin, Microcontroller & Digital Components Expert Engineer von Somfy.

»Mit dem STM32 Model Zoo ist es möglich, den ML-Workflow (Machine Learning) deutlich zu vereinfachen und die Markteinführungszeit signifikant zu verkürzen, denn es wird eine Sammlung vortrainierter Modelle für STM32-Mikrocontroller bereitgestellt, die einfach zugänglich sind und sich in neue Projekte integrieren lassen, wodurch sich die Notwendigkeit für zeitaufwändige Trainingsläufe und Experimente verringert«, erklärt Stephane Henry, Executive VP R&D von Lacroix.

»Wir haben von Anfang an mit STM32Cube.AI gearbeitet und das CLI in unsere Entwicklungs-Pipeline integriert. Das neueste cloudbasierte REST-API mit seinem Python-basierten Wrapper/Modul wird die Komplexität unserer Maintenance-Aktivitäten für das CI/CD Tooling drastisch verringern. In Verbindung mit dem interessanten Model Zoo wird dieser neue Service nicht nur Zeit sparen, sondern unseren Entwicklern auch neue Fähigkeiten verleihen«, sagt Sylvain Bernard, CEO von SIANA Systems.