机器学习传感器
机器学习
2022-06-08 v1 硬件体系结构
信号处理
摘要
机器学习传感器代表了未来嵌入式机器学习应用的一种范式转变。当前嵌入式机器学习（ML）的实现存在集成复杂、缺乏模块化，以及数据流动带来的隐私与安全问题。本文提出一种更以数据为中心的范式，用于在边缘设备上嵌入传感器智能以应对这些挑战。我们对于“传感器 2.0”的愿景是在硬件层面将传感器输入数据与 ML 处理同更宽泛的系统隔离，并提供在功能上模拟传统传感器的轻量接口。这种分离带来了模块化且易用的 ML 传感器设备。我们讨论了在嵌入式系统中将 ML 处理构建到主控微处理器软件栈这一标准方法所带来的挑战，以及 ML 传感器的模块化如何缓解这些问题。ML 传感器在提升隐私和准确率的同时，使系统构建者能够作为简单组件将 ML 集成到其产品中。我们提供了前瞻性的 ML 传感器示例和一份说明性数据表作为演示，并希望借此展开对话，推动我们迈向传感器 2.0。
引用
@article{arxiv.2206.03266,
title = {Machine Learning Sensors},
author = {Pete Warden and Matthew Stewart and Brian Plancher and Colby Banbury and Shvetank Prakash and Emma Chen and Zain Asgar and Sachin Katti and Vijay Janapa Reddi},
journal= {arXiv preprint arXiv:2206.03266},
year = {2022}
}