TDK公司宣布在传感器技术方面取得进展，优化并加速智能物联网解决方案SensorGPTTM的部署。该技术利用生成式人工智能、信号处理、统计方法和仿真，大规模创建和管理传感器数据。TDK的SensorGPT将赋能智能物联网市场和新兴环境物联网市场细分，克服关键的可扩展性挑战。它简化了模型开发和部署，节省了时间和成本，显著提升了边缘AI模型和应用的性能和效率。
数据是智能边缘系统智能的基石——然而如今，数据收集所耗的时间远超过构建其本应支持的智能。近80%的人工智能解决方案开发时间用于数据收集和整理（）。随着边缘人工智能的需求持续加速，预计将在2026年成为标准（），数据可用性已成为扩展性的主要障碍。SensorGPT通过智能传感器数据综合，直接解决了这一挑战，减少对现实数据的依赖，将数据收集工作从80%降至近10%，并实现更快、更具可扩展性的边缘AI开发。
SensorGPT数据综合技术进展：
生成式AI模型：通过在有限的真实世界数据上训练生成模型，学习潜在模式，生成高质量的合成数据，忠实模拟现实世界数据。
基于物理的仿真模型：利用基于物理和数学的模型来模拟和生成合成传感器数据。
信号处理方法：运用数学和计算技术模拟反映真实传感器输出动态和特性的数据。
数据增强技术：自动将现有传感器数据转化为涵盖多种条件和场景的丰富多样数据集。
辅助标注：简化训练数据的标注，提高其对模型训练的实用性和质量。
SensorGPT能生成90%的合成传感器数据与现实传感器数据的相似度，使合成生成的数据能够更快地部署边缘AI解决方案。一旦部署，它推动了一个反馈驱动的改进良性循环，真实世界数据随着时间逐步完善和强化合成模型，进而带来更高效的模型部署。
SensorGPT与现有技术的差异化：
通过生成大量且多样化的数据集，快速帮助创建边缘应用的人工智能解决方案，从而提升可扩展性。
通过快速获取原型、测试和部署初始模型的数据，加快创新和加速开发。
通过提供工具，将数据针对特定传感器、智能物联网应用以及其运行的真实场景和条件进行定制化。
边缘智能的推动力，拦截对智能边缘AI应用中高质量数据日益增长的需求。
TDK的新SensorGPT最终加速了原型设计和概念验证，使数据集规模可根据应用和用例实现数量级扩展，将边缘AI模型构建时间从5+个月缩短到几周。
主要应用
物联网、可穿戴设备、移动
Ambient IoT
工业物联网
物理人工智能应用
主要特点与优势
合成生成数据，将实际数据收集工作从80%减少到近10%，使团队能够以前所未有的速度构建和扩展边缘人工智能解决方案
更广泛的应用场景、条件和边缘情况覆盖
更稳健的边缘AI模型性能
更快的模型迭代周期
加速原型设计和POC，使数据集规模以数量级扩展，在前沿释放机器学习，实际数据显著减少
降低数据采集成本
从想法到可部署模型的路径更短
免责声明：本文为转载文章，转载此文目的在于传递更多电子元器件行业信息，版权归原作者所有。本文所用视频、图片、文字如涉及作品版权问题，请联系小编进行删除。