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。

雅特力科技（ARTERY Technology）憑藉 AT32 MCU 的高效能、低功耗與豐富外設，並結合 Edge Impulse 平台，持續推動多感測器邊緣 AI 技術落地，協助客戶以最短開發週期導入各式 AI 功能，縮短產品導入與量產時程。

為進一步強化開發者在 Edge AI 領域的整合體驗，雅特力科技正式推出 AT32 Edge AI Sensor EV Board。該開發板以 AT32F403A MCU 為核心，整合 TOF、IMU、磁力計、環境光、溫濕度與氣壓等多類感測器，並全面支援 Edge Impulse 模型部署。開發者可在終端設備直接運行手勢分類、動作識別及異常偵測等 AI 模型，加速 AIoT 與智慧設備的產品化設計。

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