訂閱電子報，掌握最新科技與產業趨勢
STMicroelectronics
2019/02/13
意法半導體推出具有機器學習功能的運動感測器提高運動跟蹤精度和電池續航力
- 機器學習技術可分類處理運動資料，提高運動跟蹤精度
- 嵌入式智慧和其它強化功能大幅降低功耗，延長智慧手機、穿戴設備和遊戲控制器的電池續航時間
橫跨多重電子應用領域的全球領先的半導體供應商意法半導體(STMicroelectronics，簡稱ST；紐約證券交易所代碼：STM)在其先進的慣性感測器內集成機器學習技術，提高手機和穿戴設備的運動跟蹤性能和電池續航能力。
LSM6DSOX iNEMO™感測器內部整合一個機器學習內核，可根據已知運動模式對運動資料進行分類處理，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式的運行速度。
意法半導體類比、MEMS和感測器產品部副總裁Andrea Onetti表示：「機器學習已大範圍用於社交媒體、金融建模或自動駕駛等應用以提高模式識別的速度和效率，LSM6DSOX運動感測器整合了機器學習功能，可增強智慧手機和穿戴設備的運動跟蹤性能。」
安裝意法半導體LSM6DSOX的設備可以為使用者帶來便利、回應迅速的「永遠開啟」的使用體驗，且對電池續航時間沒有任何影響。LSM6DSOX整合於傳統感測器相比，增加更多記憶體空間，並配備最先進的高速I3C數位介面，使得感測器與主控制器的交互間隔更長，連線時間更短，節能省電效果更好。
該感測器易於整合到主流移動平臺(例如：Android和iOS)上，可簡化消費、醫療和工業智慧設備使用流程。LSM6DSOX現已量產上市。
更多技術資訊
LSM6DSOX包含一個3D MEMS加速度計和3D MEMS陀螺儀，並使用機器學習內核跟蹤複雜的運動，典型工作電流僅為0.55mA，電池負載得到大幅降低。機器學習內核與感測器整合的有限狀態機邏輯協同工作，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，需要用開源PC應用程式Weka對機器學習內核進行決策樹分類培訓，從樣本資料產生設置參數和限值，例如，用於表徵被檢測運動類型的加速度、速度和磁傾角。
因為支持自由落體檢測、喚醒、6D / 4D方向檢測、按一下和按兩下中斷，LSM6DSOX可用於運動跟蹤外的其它的多種應用，例如，使用者介面管理和筆記型電腦保護。輔助輸出和配置選項還簡化其光學防抖（OIS）應用。
