ST：具有机器学习功能的运动传感器，可实现高精度、省电的活动跟踪
STMicroelectronics 已将机器学习技术集成到其先进的惯性传感器中，以提高移动设备和可穿戴设备的活动跟踪性能和电池寿命。 LSM6DSOX iNEMO 传感器包含一个机器学习核心，可根据已知模式对运动数据进行分类。取消主处理器的第一阶段活动跟踪可节省能源并加速基于运动的应用，例如健身记录、健康监测、个人导航和跌倒检测。
配备 ST 的 LSM6DSOX 的设备可以提供方便且响应迅速的“永远在线”用户体验，而无需牺牲电池运行时间。该传感器还拥有比传统传感器更多的内存，以及最先进的高速 I3C 数字接口，允许与主控制器交互的时间更长，连接时间更短，从而进一步节省能源。
该传感器易于与流行的移动平台（例如 Android 和 iOS）集成，从而简化了在面向消费、医疗和工业市场的智能设备中的使用。
LSM6DSOX 包含一个 3D MEMS 加速度计和 3D MEMS 陀螺仪，并使用机器学习核心以仅 0.55mA 的低典型电流消耗跟踪复杂运动，以最大限度地减少电池负载。
机器学习核心与传感器的集成有限状态机逻辑协同工作，以处理运动模式识别或振动检测。使用 LSM6DSOX 创建活动跟踪产品的客户可以使用 Weka（一种基于 PC 的开源应用程序）训练基于决策树的分类的核心，以从具有特征的加速度、速度和磁角等样本数据中生成设置和限制要检测的运动类型。
支持自由落体、唤醒、6D/4D 方向、点击和双击中断，除了活动跟踪外，还支持多种应用，例如用户界面管理和笔记本电脑保护。辅助输出和配置选项还简化了光学图像稳定 (OIS) 的使用。
嵌入式