Fraunhofer IMS

AIfES (Artificial Intelligence for Embedded Systems) ist ein stetig wachsendes Softwareframework für maschinelles Lernen auf Mikrocontrollern. AIfES enthält aktuell ein vollständig konfigurierbares Feedforward Neural Network (FNN). AIfES ist vollständig in C implementiert und verwendet ausschließlich Standardbibliotheken; dies ermöglicht eine Portierung auf praktisch alle Plattformen. Alle Algorithmen sind möglichst ressourcenschonend und effizient implementiert, um auch das Training auf einem Microcontroller zu ermöglichen. In der neuen Version von AIfES ist es auch möglich Festkommaarithmetik für die Berechnung zu nutzen; dies ist bei Mikrocontrollern ohne Gleitkommaunterstützung besonders effizient.

Mit dem Demonstrator „Embedded KI für die Erkennung von Gesten“ zeigt das Fraunhofer IMS den Einsatz der AIfES-Bibliothek zur Erkennung und Bewertung von komplexen Bewegungen. Als Sensor für die Gestenerkennung wird ein 9-Achsen-Orientierungssensor genutzt, welcher aktuell mit einem Cortex-M4 (STM32F303K8) Mikrocontroller verbunden ist.

Für die komplexe Gestenerkennung wurde am Fraunhofer IMS eine spezielle Merkmalsextraktion entwickelt, welche die Eingangsdaten stark komprimiert und so ein besonders kleines neuronales Netz mit nur 12 Neuronen in einem Hidden Layer ermöglicht. Als Beispielgesten wurden in die Luft geschriebene Ziffern von 0 bis 9 eintrainiert, welche direkt auf dem Mikrocontroller klassifiziert werden. Auch andere, individuelle und weitaus komplexere Gesten lassen sich problemlos auf der Basis desselben Netzes trainieren. Abhängig von der Komplexität der Geste benötigt das System für die Bestimmung ca. 20 – 100 ms bei einer Taktfrequenz von 8 MHz.

Sobald der Mikrocontroller eine Geste klassifiziert hat, sendet er das Ergebnis drahtlos an einen Roboterarm, welcher abhängig von der Geste eine vordefinierte Bewegung ausführt. Die Steuerung eines Roboterarms ist hierbei nur eine von vielen Möglichkeiten, die diese Technologie bietet.

Vor dem Roboterarm sind acht Würfel platziert, welche den Ziffern von 1 bis 8 entsprechen. Sofern die Geste für eine dieser Ziffern erkannt wurde, hebt der Roboterarm den entsprechenden Würfel auf und präsentiert ein weiteres Anwendungsfeld von eingebetteter künstlicher Intelligenz in verschiedenen Wirtschaftszweigen.

Künstliche Intelligenz, die in eingebetteten Systemen integriert ist, bringt viele Vorteile und innovative Ansätze mit sich. AIfES macht es möglich, alle Phasen des maschinellen Lernens auf einem zentralen System zu nutzen, ohne dass es einer Anbindung an einen Cloud-Server bedarf. Hierdurch lassen sich intelligente Systeme auch in Bereichen einsetzen, in denen keine Kommunikationsverbindung zu anderen Systemen möglich ist. Außerdem ist ein maximales Maß an Datensicherheit gewährleistet, da keine Daten das System verlassen, und es ergeben sich große Laufzeitvorteile, mit denen sich z. B. auch Echtzeitanwendungen umsetzen lassen.

Speziell für die Gesten- bzw. Bewegungserkennung existieren verschiedene Anwendungsmöglichkeiten. Der Demonstrator zeigt den Einsatz zur Maschinensteuerung. Eine portable und intuitive Fernbedienung, die man z. B. am Handgelenk tragen kann, lässt sich intuitiv verwenden und ermöglicht dem Personal eine hohe Bewegungsfreiheit.

Darüber hinaus kann das vorgestellte neuronale Netz auch Bewegungen bewerten. So können Bewegungsabläufe interpretiert und so z. B. Stürze und Unfälle erkannt werden. Alternativ kann ein solches System in der Rehabilitation nach Unfällen helfen, Bewegungsmuster zu beurteilen und Übungen zu optimieren, damit die Menschen möglichst schnell Fortschritte in der Genesung machen.

Lernende Algorithmen und Klassifikation auf Basis neuronaler Netze bieten erheblichen innovativen Vorschub in vielen Bereichen des Lebens und der Wirtschaft. AIfES ermöglicht den Einsatz von neuronalen Netzen auf kleinen und kosteneffizienten Systemen und eröffnet eine völlig neue Welt von smarten Anwendungen.