LSM6DSOX: acelerómetro y giroscopio con aprendizaje automático incorporado

STMicroelectronics acaba de lanzar su último circuito integrado sensor, el LSM6DSOX, que proporciona datos del sensor sobre la aceleración y la orientación. Además, también puede procesar estos datos mediante aprendizaje automático sin ninguna entrada externa del microcontrolador.

El LSM6DSOX es un encapsulado SiP (sistema empaquetado en un chip) de 2,5 mm x 3 mm x 0,83 mm.

Un SiP es un sistema o subsistema electrónico funcional que incluye dos o más matrices semiconductoras heterogéneas (a menudo de nodos de tecnología diferentes optimizados para sus funcionalidades individuales), generalmente con componentes pasivos. La forma física del SiP es un módulo y, dependiendo de la aplicación final, el módulo podría incluir un chip lógico, memoria, dispositivos pasivos integrados (IPD), filtros de RF, sensores, disipadores de calor, antenas, conectores y/o chip de potencia.

La creciente complejidad de los dispositivos de gama baja está dando lugar a una nueva forma de procesamiento de datos. En lugar de que un controlador principal realice todo el trabajo pesado, los periféricos conectados pueden tener controladores integrados y DPS que pueden preprocesar sus propios datos antes de pasar al controlador principal, que puede descargar el trabajo del controlador principal, lo que ahorra energía. Un ejemplo de esto es el LSM6DSOX, el último módulo inercial de ST que tiene capacidades de aprendizaje automático.

El LSM6DSOX

El LSM6DSOX es un acelerómetro 3D y un giroscopio 3D siempre encendidos. Se puede acceder al sensor a través de SPI e I2C, así como al último estándar de la industria, I3C. El sensor es compatible con Android para la integración con sistemas Android (como tablets y teléfonos).

También incorpora detección significativa de movimiento y detección de inclinación. El movimiento de inclinación incorporado en el sensor es capaz de desencadenar eventos durante los cambios de inclinación. Por ejemplo, un evento puede activarse cuando un usuario tiene su teléfono en el bolsillo y se levanta después de haberse sentado. Esta detección de inclinación se realiza todo en hardware sin la necesidad de un controlador, lo que puede reducir en gran medida el trabajo de potencia y descarga de un procesador.

Núcleo de aprendizaje automático en el LSM6DSOX

Sin embargo, la verdadera magia detrás del LSM6DSOX es el sistema interno de aprendizaje automático. El núcleo de aprendizaje automático, realizado mediante una serie de condiciones «si-luego-si no», permite la identificación de tareas específicas, como caminar, correr y conducir, que son programables por el usuario.

Con hasta 256 nodos disponibles, el núcleo de aprendizaje automático puede ejecutar hasta ocho flujos simultáneamente y cada flujo puede generar hasta 16 resultados. El sensor también puede tener en cuenta sensores externos con el uso de un núcleo de sensores (Sense Hub), por donde otros sensores pueden enviar sus datos al LSM6DSOX.

Conexión de sensores externos al LSM6DSOX

«El aprendizaje automático ya se usa para el reconocimiento rápido y eficiente de patrones en redes sociales, modelos financieros o manejo autónomo», dijo Andrea Onetti, vicepresidente de analógicos, MEMS y sensores del Grupo STMicro. «El sensor de movimiento LSM6DSOX integra capacidades de aprendizaje automático para mejorar el seguimiento de la actividad en teléfonos inteligentes y dispositivos portátiles».


Especificaciones:

Cápsula de 2,5 mm x 3 mm x 0,83 mm
Consumo de energía de 0,55 mA.
FIFO (First In First Out = acrónimo que significa «primero en entrar, primero en salir») de hasta 9KB
±2 / ±4 / ±8 / ±16 g escala completa
±125 / ±250 / ±500 / ±1000 / ±2000 dps (degrees per second, grados por segundo) escala completa

La integración de controladores pequeños y de baja potencia en los periféricos da paso a un cambio en la forma en que se diseña el hardware. Al descargar la mayor cantidad de trabajo posible de un procesador principal (que puede no ser el hardware con mayor ahorro de energía), los dispositivos podrían ver un mayor rendimiento con datos preprocesados y una mayor duración de la batería.