雅特力发表 AT32 Edge AI Sensor EV Board：打造多传感 AI 平台，支持手势、动作与异常侦测

随着人工智能快速迈向终端设备，边缘 AI（Edge AI）已成为推动智能化与物联网（IoT）应用的重要技术。相较于仰赖云端的运算模式，Edge AI 能在传感器端或本地 MCU 上直接完成实时推论，有效降低延迟、提升隐私并减少能耗，特别适用于手势操控、动作识别与设备监测等对反应速度高度敏感的场景。

雅特力科技（ARTERY Technology）凭藉 AT32 MCU 的高效能、低功耗与丰富外设，并结合 Edge Impulse 平台，持续推动多传感器边缘 AI 技术落地，协助客户以最短开发周期导入各式 AI 功能，缩短产品导入与量产时程。

为进一步强化开发者在 Edge AI 领域的整合体验，雅特力科技正式推出 AT32 Edge AI Sensor EV Board。该开发板以 AT32F403A MCU 为核心，整合 TOF、IMU、磁力计、环境光、温湿度与气压等多类传感器，并全面支持 Edge Impulse 模型部署。开发者可在终端设备直接运行手势分类、动作识别及异常侦测等 AI 模型，加速 AIoT 与智能设备的产品化设计。

三大 Edge AI 应用亮点

一、TOF 手势识别（Gesture Recognition）

基于板载 VL53L7CX TOF Sensor，AT32 Edge AI Sensor EV Board 可在 5-20 厘米范围内侦测 4×4 深度阵列数据，并利用质心权重演算法与 Edge Impulse 神经网络模型，完成「上／下／左／右」四方向手势识别。OLED 亦可同步显示手势轨迹，适用于智能家电、人机界面与车载控制等需低延迟、免接触操作的应用场景

二、IMU 异常侦测（IMU Vibration Anomaly Detection）

使用板载 LSM6DS3TR 加速度与陀螺仪数据，透过 K-means 自学习模型自动建立「正常运转特徵」，可实时侦测风扇、马达与设备振动异常，适用于工业设备健康监测、智能维护与环境传感。

特色：

• 8-D 特徵撷取（均值、方差、RMS、峰度等）
• MCU 本地推论，无需倚赖云端
• 自学习模型，自动产生异常阈值

三、IMU 动作识别（Motion Classification，Edge Impulse Pipeline）

AT32 Edge AI Sensor EV Board 支持使用 Edge Impulse 训练并部署 IMU 动作分类模型，可识别上下、左右、圆圈（circle）、静止（idle）等动作类型，适用于穿戴式装置、体感互动与智能控制。模型可直接导入 AT32F403A 与 LSM6DS3TR 传感器，并透过 CMSIS-DSP/ NN 进行优化，加速 MCU 端推论效能。

完整 Edge AI 开发流程支持

AT32 Edge AI Sensor EV Board内建完整 Edge Impulse 开发链路，包括：

• 传感器数据收集（TOF / IMU）
• 特色撷取（Spectral Analysis / Feature Engineering）
• 分类与异常侦测模型训练（Neural Networks、K-means）
• MCU 端部署（EON Compiler / TensorFlow Lite for Microcontrollers）
• OLED 与串口实时显示推论结果

更高效的 AI 开发与量产流程

透过 AT32 Edge AI Sensor EV Board，开发者能以最少的成本快速验证多传感器 AI 模型，并直接部署于终端设备，加速产品从原型到量产的整体开发流程。雅特力亦将持续提供更多 AI 模型、演算法与工具资源，协助产业加速边缘智能应用的普及，开创更多 AIoT 创新可能。

展望未来

雅特力科技将持续深化 Edge AI 技术研发，并以前瞻规划强化高性能 MCU 与人工智能演算法的整合能力，协助全球客户打造智能、低功耗且具竞争力的产品。随着更多传感、语音与影像场景逐步开放，雅特力也将携手合作夥伴推动 Edge AI 普及化，加速产业智能化升级，实现更高效、更永续的科技未来。

相关技术文件 (Application Note):

AN0286 : Edge AI Sensor EV Board 介绍
AN0287 : IMU K-means 异常侦测