tinyML的创始人之一与人共同创立了有用的传感器，帮助电器制造商通过人工智能传感器模块将人工智能功能添加到日常物品中。

<img data-lazy-fallback="1" decoding="async" src="https://uploads.9icnet.com/images/aritcle/20230421/portrait_other.jpg" alt="">

Pete Warden（来源：有用的传感器）

被广泛视为tinyML运动创始人之一的前谷歌工程师Pete Warden最近退出了谷歌，成立了一家初创公司，开发人工智能传感器模块。有用的传感器希望为消费电子产品和家用电器的传感器带来人工智能功能。


TinyML公司指的是在资源受限的环境中运行的人工智能或机器学习（ML），通常是微控制器。Warden曾是谷歌TensorFlow移动团队的技术负责人，之前创立了Jetpac，这是谷歌于2014年收购的一家早期人工智能初创公司。他还出版了一本关于tinyML的教科书。


通过创立有用的传感器，Warden打算加快将人工智能功能添加到家用电器中，包括从电灯开关到电视的所有功能。


沃登告诉《EE时报》：“我真的很想有一个东西，让你看着电灯开关说“开”，然后让灯亮起来。”。“这应该行得通！或者当我从电视上站起来泡杯茶时，我的手已经满了，我想让电视暂停。或者当我做幻灯片演示时，我想能够滑动进入下一张幻灯片。这些都是我们多年来一直在谈论的tinyML的用例。”


<img data-lazy-fallback="1" decoding="async" style="width: 700px;" src="https://uploads.9icnet.com/images/aritcle/20230421/PXL_20221011_234857297.jpg">

有用的传感器团队。从左至右：Niranjan Yadla、Ali Zartash、Nat Jeffries、Manjunath Kudlur和Pete Warden。（来源：有用的传感器/Manjunath Kudlur）


机器学习可以帮助将这种智能添加到日常物品中，而不需要巨大的计算、功耗或成本。然而，沃登对消费电子产品和电器制造商对这项技术的接受率感到有点沮丧。


尽管Warden在谷歌的团队为微控制器开发了开源ML框架TensorFlow Lite，加上Warden的书以及社区和TinyML集团在示例、课程和会议方面的努力，但应用仍然相当缓慢。


“每当我去[电器制造商]，我告诉他们所有这些很棒的免费软件都可以让他们拿起并使用，但通常在软件结束时，他们会说，“我们几乎没有软件工程团队，我们绝对没有ML团队——你能不能给我们一些东西，给我们一个语音接口，或者当有人坐在电视机前时叫醒我们的电视机，你也能给我们（几美元）吗？”典狱长说。


凭借有用的传感器，Warden旨在为消费电子产品和电器制造商提供“他们可以实际使用的东西，满足他们需求的东西”。传感器中的人工智能方法呼应了多年来在物联网智能传感器以及传感器融合设备。


沃登说：“朝着这个方向前进有着悠久的传统。”。“我们真的在努力解决端到端的问题，竭尽全力提供不需要大量定制就能使用的解决方案。这是一种现成的解决方案，可以用来解决特定的问题。”


该公司的第一款产品是人体传感器：这是一块20 x 20毫米的板，正面有摄像头，背面有微控制器。该板有两个输出：一个引脚在检测到人员时变高，另一个引脚为I2.C接口，用于获取信息，例如人们在相机框架中的位置、人们是否在看设备以及基本的面部识别（例如，足以区分使用同一咖啡机的家庭成员）。


<img data-lazy-fallback="1" decoding="async" style="width: 700px; margin-left: auto; margin-right: auto;" src="https://uploads.9icnet.com/images/aritcle/20230421/PXL_20221016_201004059.jpg">

有用传感器的第一个产品是一块20 x 20毫米的板，前面有一个摄像头，后面有一个微控制器。（来源：有用的传感器）


有用的传感器已经在与潜在客户讨论如何使用该板。


Warden表示，到目前为止，潜在客户对以下应用程序感兴趣：


Warden说，手势控制是另一个感兴趣的领域，并补充说，到目前为止，最感兴趣的是电视和笔记本电脑制造商，而不是电器制造商。


数据集创建

有用的传感器并没有开发自己的芯片。相反，该公司坚持微控制器，至少目前是这样。


该公司在数据集创建和模型开发方面看到了自己的附加值，目标是那些核心业务不包括构建自己的模型和数据集的公司。


客户是不想进行ML开发，还是只是早期软件是一个不可逾越的障碍？Warden同意早期软件和碎片化的硬件环境是问题的一部分。


“即使所有这些（问题）都得到了解决，你仍然需要学习如何创建数据集来训练ML模型，这是一个非常不同的技能集，”他说，并补充说，制作高质量的数据集需要大量的工作和知识，对许多人来说，这超出了他们的核心业务。


的数据集训练ML模型，即使是tinyML模型，也必须具有尽可能高的质量以确保可靠性。在人员检测的情况下，这意味着确保数据集代表所有类型的人，以便模型在许多不同的情况和上下文中尽可能可靠。在某种程度上，有用的传感器打算利用社区用户来寻找它可能没有发现的差距。


沃登说：“这是我们试图让创客群体参与进来的重要原因。”。“我们希望人们能提供反馈，让我们知道是否有我们遗漏的东西……我们也在努力想出测试（传感器）的方法，看看它们通过第三方测试对不同社区和不同类型的人的效果如何。”


安全和隐私

典狱长也敏锐地意识到，在家用电器上安装摄像头会带来安全和隐私问题。Warden希望该公司的个人传感器得到第三方的认证，以确保黑客无法访问其摄像头。模块的I2.C接口只携带关于场景的元数据（而不是全帧图像），并且模块上没有网络连接。


“电视和笔记本电脑都放在人们的卧室里。这是一项巨大的责任，”他说。“我们真的相信，这将是一个比将某些东西集成到系统其他部分更好的隐私解决方案。”


不同类型的传感器也在有用传感器的路线图上，最有可能的下一个产品是语音识别传感器，再次使用微控制器而不是更专业的芯片。


有用传感器公司筹集了500万美元的种子资金，目前有6名员工，其中3人来自谷歌。Warden是联合创始人兼首席执行官，联合创始人兼CTO Manjunath Kudlur也加入了谷歌Tensor Flow团队（通过Cerebras）。


有用传感器的人传感器板现已上市。


>>这篇文章最初发表在我们的姐妹网站上，EE时间.