Del sensor a la inteligencia: Implementación rápida de IA en el borde con plataformas de desarrollo asistido
Organizadores:
Angel Francisco Jiménez Fernández:
Ángel F. Jiménez obtuvo el título de Doctor por la Universidad de Sevilla (US) en el año 2010. Desde 2007, es miembro del Departamento de Arquitectura y Tecnología de Computadores (ATC) y del Grupo de Investigación en Robótica y Tecnología de Computadores (RTC) de dicha universidad, desempeñando en la actualidad el cargo de Catedrático de Universidad. A lo largo de su trayectoria, ha participado activamente en diversos proyectos de investigación en el marco del grupo RTC, siendo en la actualidad Investigador Principal (IP) de dos proyectos de ámbito nacional. Asimismo, ha colaborado en numerosos contratos de transferencia tecnológica y del conocimiento con empresas. Fruto de estas colaboraciones, en el año 2014 cofundó, junto a otros profesores del ATC, la empresa spin-off COBER S.L., vinculada a la Universidad de Sevilla. Más Información.
Juan Manuel Montes Sánchez:
Ingeniero Electrónico de profesión. Obtuvo el Máster en Ingeniería de Computadores y Redes en 2017, y actualmente se encuentra finalizando sus estudios de doctorado en sistemas de mantenimiento predictivo e IA empotrada. Es jefe de I+D y diseño hardware en la empresa COBER S.L., donde empezó a trabajar en el año 2016. Desde 2021, compatibiliza esta labor con docencia a tiempo parcial en el departamento de Arquitectura y Tecnología de Computadores de la Universidad de Sevilla. Más información.
Descripción:
Es innegable el gran avance de los sistemas de Inteligencia Artificial (IA) en los últimos tiempos, así como su integración continua en nuestro día a día. Un ámbito muy prometedor de aplicación es el de los sistemas empotrados, implementando lo que se ha denominado sistemas Edge IA, así como su integración con sistemas IoT, dando lugar una nueva familia emergente de sistemas empotrados conocidos como AIoT.
En el contexto de los sistemas empotrados basados en microcontrolador están surgiendo pequeñas IAs enfocadas a la clasificación y extrapolación de series temporales. En sistemas previos a esta tecnología para la clasificación de patrones temporales era común la implementación de algoritmos para la extracción de características (features) y un uso posterior de un sistema basado en reglas, desarrollados en general de forma manual. La implementación de estos sistemas es comúnmente muy tediosa, con una gran complejidad técnica, y no siempre con resultados satisfactorios. En el nuevo paradigma emergente de las IA empotradas este enfoque cambia sustancialmente, tendiendo a entrenar una IA para que se aprenda una serie de patrones previos, y posteriormente solicitarle a la IA que clasifique las señales. Esta forma de abordar este tipo de sistemas delega gran parte de la complejidad del problema en la propia IA, y actualmente está proporcionando resultamos muy buenos y fiables.
Los fabricantes de microcontroladores son conscientes de la gran oportunidad que se les presenta, y en consecuencia del gran nicho de mercado al que deben hacer frente. Si bien cada fabricante está aplicando una estrategia distinta, hay fabricantes que han hecho una apuesta muy decida por el desarrollo sus propias plataformas de desarrollo de sistemas de IA empotrada. Este es el caso de NanoEdge AI Studio, en el que encontramos una solución muy completa que abarca prácticamente todos los procesos necesarios para la elaboración de datasets, selección y entrenamiento de modelos de IA empotrada, emulación para validación en tiempo real, y finalmente su despliegue para la integración a alto nivel en un proyecto completo para la compilación del firmware (FW).
Gracias a esta política relativa a las herramientas, se está consiguiendo democratizar el acceso a la IA empotrada, de manera que no es necesario ser experto en ambos campos (IA y microcontroladores) para poder poner en funcionamiento una IA empotrada en microcontroladores de gama media y precios asequibles.
Al respecto de ámbito de aplicación de esta tecnología se abre un universo de posibilidades: detección de anomalías, clasificación de fallos, monitorización de la calidad de diversos sistemas, sistemas de mantenimiento predictivo, extrapolación de sensores, o monitorización de la actividad, entre otros muchos. De aquí el gran interés tanto por parte de los fabricantes como de los ingenieros de sistemas empotrados.
Como aplicación a modo de ejemplo del tutorial, monitorizaremos el patrón de vibraciones de un ventilador común usando un acelerómetro. La idea será clasificar las vibraciones como normales, sin influencia externa, o anormales introduciendo perturbaciones por parte de los asistentes. Si bien esta aplicación es sencilla, es muy ilustrativa del proceso a seguir del uso de NanoEdge AI Studio, así como del potencial de este tipo de sistemas.
Objetivos:
Al finalizar el tutorial, los asistentes serán capaces de:
- Comprender y conocer el flujo de diseño y despliegue de IA para sistemas empotrados.
- Explorar las posibilidades de los sistemas IA empotrada en general.
- Conocer el funcionamiento de una herramienta dedicada al diseño de IA empotrada, como es el caso de NanoEdge AI Studio.
- Tener una visión general de los sistemas de IA empotrada para su uso en la industria, investigación y docencia.
En resumen, la intención general de este tutorial es proporcionar a los asistentes una visión global de los sistemas de IA empotrada y proporcionarles un punto de partida para su participación activa en este nuevo paradigma.
Duración esperada: 3 horas
Agenda: Viernes 27 de junio a las 15:30h
15 minutos (Angel):
- Introducción los sistemas de IA empotrada, enfoque y ámbito potencial de aplicación.
15 minutos (Angel):
- Flujo general de diseño de IA para sistemas empotrados.
30 minutos (Juan Manuel):
- Presentación de NanoEdge AI Studio
45 minutos (Angel y Juan Manuel)
- Creación de un dataset en tiempo real de patrones regulares y anormales de aceleración.
45 minutos (Angel y Juan Manuel)
- Diseño y entrenamiento de una IA empotrada y evaluación de resultados.
30 minutos (Angel y Juan Manuel)
- Despliegue de la IA en un microcontrolador y clasificación en tiempo real.
Audiencia objetivo:
El público objetivo de este tutorial incluye estudiantes de posgrado, profesores y en general la comunidad investigadora que estén interesados en los sistemas emergentes de IA empotrada. Es deseable que el asistente tenga conocimientos básicos previos relativos a microcontroladores en general.
Requisitos Mínimos de Software y Hardware:
En el laboratorio se proporcionará el equipamiento Hardware necesario para seguir el tutorial, así como de PCs preparados. Para aquellas personas que deseen usar su propio ordenador, proporcionaremos enlaces para descargar las herramientas (son todas de libre acceso), estando disponibles tanto para Windows como para Linux.
