台北2025年11月26日 /美通社/ — 隨著人工智慧快速邁向終端設備，邊緣 AI（Edge AI）已成為推動智慧化與物聯網（IoT）應用的重要技術。相較於仰賴雲端的運算模式，Edge AI 能在感測器端或本地 MCU 上直接完成即時推論，有效降低延遲、提升隱私並減少能耗，特別適用於手勢操控、動作識別與設備監測等對反應速度高度敏感的場景。
AT32 Edge AI Sensor EV Board
三大 Edge AI 應用亮點
一、TOF 手勢識別（Gesture Recognition）
基於板載 VL53L7CX TOF Sensor，AT32 Edge AI Sensor EV Board 可在 5-20 公分範圍內偵測 4×4 深度陣列資料，並利用質心權重演算法與 Edge Impulse 神經網路模型，完成「上／下／左／右」四方向手勢識別。OLED 亦可同步顯示手勢軌跡，適用於智慧家電、人機介面與車載控制等需低延遲、免接觸操作的應用場景
二、IMU 異常偵測（IMU Vibration Anomaly Detection）
使用板載 LSM6DS3TR 加速度與陀螺儀資料，透過 K-means 自學習模型自動建立「正常運轉特徵」，可即時偵測風扇、馬達與設備振動異常，適用於工業設備健康監測、智慧維護與環境感測。
特色：
- 8-D 特徵擷取（均值、方差、RMS、峰度等）
- MCU 本地推論，無需倚賴雲端
- 自學習模型，自動產生異常閾值
三、IMU 動作識別（Motion Classification，Edge Impulse Pipeline）
AT32 Edge AI Sensor EV Board 支援使用 Edge Impulse 訓練並部署 IMU 動作分類模型，可識別上下、左右、圓圈（circle）、靜止（idle）等動作類型，適用於穿戴式裝置、體感互動與智能控制。模型可直接導入 AT32F403A 與 LSM6DS3TR 感測器，並透過 CMSIS-DSP/ NN 進行優化，加速 MCU 端推論效能。
完整 Edge AI 開發流程支援
AT32 Edge AI Sensor EV Board內建完整 Edge Impulse 開發鏈路，包括：
- 感測器資料收集（TOF / IMU）
- 特色擷取（Spectral Analysis / Feature Engineering）
- 分類與異常偵測模型訓練（Neural Networks、K-means）
- MCU 端部署（EON Compiler / TensorFlow Lite for Microcontrollers）
- OLED 與串口即時顯示推論結果
更高效的 AI 開發與量產流程
透過 AT32 Edge AI Sensor EV Board，開發者能以最少的成本快速驗證多感測器 AI 模型，並直接部署於終端設備，加速產品從原型到量產的整體開發流程。雅特力亦將持續提供更多 AI 模型、演算法與工具資源，協助產業加速邊緣智慧應用的普及，開創更多 AIoT 創新可能。
展望未來
雅特力科技將持續深化 Edge AI 技術研發，並以前瞻規劃強化高性能 MCU 與人工智慧演算法的整合能力，協助全球客戶打造智慧、低功耗且具競爭力的產品。隨著更多感測、語音與影像場景逐步開放，雅特力也將攜手合作夥伴推動 Edge AI 普及化，加速產業智慧化升級，實現更高效、更永續的科技未來。
相關技術文件 (Application Note):
AN0286 : Edge AI Sensor EV Board 介紹
AN0287 : IMU K-means 異常偵測
