TDK presenta SensorGPT per lo sviluppo dell’IA edge

TDK Corporation ha presentato SensorGPT, una piattaforma di generazione di dati sintetici dei sensori progettata per accelerare lo sviluppo di modelli di IA edge per IoT, sistemi industriali e applicazioni Ambient IoT. La tecnologia combina IA generativa, elaborazione dei segnali, modellazione statistica e simulazioni basate sulla fisica per creare dataset di sensori scalabili destinati all’addestramento e alla validazione di modelli di machine learning.

La piattaforma affronta un importante limite nell’implementazione dell’IA edge: il tempo e i costi associati alla raccolta e alla gestione dei dati reali dei sensori. Secondo l’azienda, lo sviluppo tradizionale di soluzioni IA dedica quasi l’80% del tempo del progetto all’acquisizione e preparazione dei dati. SensorGPT è progettata per ridurre la dipendenza dai dataset reali a circa il 10%, consentendo cicli più rapidi di iterazione e distribuzione dei modelli.

Generazione di dati sintetici per sistemi di IA edge
I sistemi di IA edge dipendono fortemente dai dati dei sensori per funzioni quali rilevamento del movimento, monitoraggio ambientale, manutenzione predittiva, analisi wearable e automazione industriale. Tuttavia, raccogliere grandi volumi di dati dei sensori etichettati in molteplici condizioni operative rimane una sfida significativa, soprattutto negli ambienti IoT distribuiti.

SensorGPT utilizza diversi metodi di sintesi dei dati per affrontare questa limitazione. I modelli di IA generativa vengono addestrati su dataset limitati del mondo reale per riprodurre schemi e comportamenti dei sensori in differenti scenari operativi. I modelli di simulazione basati sulla fisica estendono ulteriormente la generazione dei dataset riproducendo matematicamente le interazioni reali dei sensori e le dinamiche ambientali.

La piattaforma incorpora inoltre tecniche di elaborazione dei segnali che simulano le caratteristiche e la variabilità delle uscite reali dei sensori. Le funzionalità di data augmentation creano automaticamente dataset ampliati che rappresentano diverse condizioni operative e casi limite, migliorando la robustezza del modello durante l’addestramento.

TDK ha dichiarato che i dataset sintetici generati da SensorGPT raggiungono circa il 90% di somiglianza con i dati reali dei sensori, consentendo ai dati generati di supportare implementazioni di IA edge di livello produttivo.




Cicli più rapidi di addestramento e distribuzione dei modelli
L’azienda ha indicato che SensorGPT può ridurre le tempistiche di sviluppo dei modelli di IA edge da diversi mesi a poche settimane. La piattaforma supporta una prototipazione più rapida e lo sviluppo di proof-of-concept consentendo un’espansione dei dataset su larga scala senza richiedere estese campagne di raccolta dati sul campo.

Anche le funzionalità di annotazione assistita sono integrate nella piattaforma per semplificare i flussi di lavoro di etichettatura dei dati di addestramento, migliorando l’usabilità e la coerenza dei dataset per le applicazioni di machine learning.

La tecnologia è destinata ad applicazioni in dispositivi IoT, wearable, sistemi mobili, ambienti Industrial IoT, sistemi di IA fisica e infrastrutture Ambient IoT. Questi settori richiedono sempre più framework scalabili per la generazione dei dati, poiché cresce la domanda di elaborazione IA decentralizzata e di edge computing intelligente.

Contesto competitivo nella generazione di dati sintetici per IA
La generazione di dati sintetici è diventata un’area importante all’interno del più ampio ecosistema dell’IA edge e della supply chain digitale, in particolare per applicazioni in cui raccogliere dati diversificati dei sensori del mondo reale è costoso o operativamente difficile.

Le tecnologie comparabili presenti sul mercato si concentrano generalmente sulla generazione di dati basata su simulazione, sull’augmentation assistita da IA o sugli ambienti di digital twin. I benchmark prestazionali in questo segmento valutano comunemente la somiglianza con i dati reali, la scalabilità dei dataset, l’efficienza dell’annotazione, i miglioramenti nella velocità di addestramento e le riduzioni dei costi di acquisizione dei dati.

L’approccio di TDK combina IA generativa con simulazione e tecniche di elaborazione dei segnali all’interno di un unico framework, mirando a una copertura più ampia delle condizioni operative e a una migliore adattabilità tra diversi tipi di sensori e implementazioni IoT.

Jim Tran, Corporate Officer e General Manager presso TDK USA Corporation e Deputy General Manager di Technology & Intellectual Property HQ, ha dichiarato che la piattaforma è destinata a trasformare i dati dei sensori in una risorsa di sviluppo scalabile combinando modellazione di IA generativa con tecniche di generazione dati basate su simulazione.

A cura di Natania Lyngdoh, redattrice di Induportals, con il supporto dell’IA.

www.tdk.com