雅特力推出AT32 Edge AI Sensor开发平台，加速AI终端生态布局

随着人工智能加速向终端设备渗透，边缘AI（Edge AI）已成为推动智能化及物联网（IoT）应用的关键技术。相较于依赖云端的运算模式，Edge AI能够在传感器端或本地MCU上直接完成实时推论，有效降低延迟、提升隐私保护并减少能耗。特别适用于手势操控、动作识别及设备监测等对反应速度高度敏感的场景。

雅特力科技凭借AT32 MCU的高效能、丰富外设与完善开发生态，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种AI功能，缩短产品开发及量产时程。

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

TOF手势识别（Gesture Recognition）

基于板载VL53L7CX TOF Sensor，AT32 Edge AI Sensor EV Board可在5-20cm范围内侦测4×4深度数组数据，并利用质心权重算法与Edge Impulse神经网络模型，完成「上／下／左／右」四方向手势识别。OLED还可同步显示手势轨迹，适用于智能家电、人机交互界面与车载控制等需低延迟、非接触式操作的应用场景。

IMU异常侦测（IMU Vibration Anomaly Detection）

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

特色：

1. 8-D特征撷取（均值、方差、RMS、峰度等）

2. MCU本地推论，无需倚赖云端

3. 自学习模型，自动产生异常阈值

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，适用于可穿戴设备、体感交互与智能控制。模型可直接导入AT32F403A与LSM6DS3TR传感器，并通过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：

1. 传感器数据收集（TOF / IMU）

2. 特征提取（Spectral Analysis / Feature Engineering）

3. 分类与异常侦测模型训练（Neural Networks、K-means）

4. MCU端部署（EON Compiler / TensorFlow Lite for Microcontrollers）

5. OLED与串口实时显示推论结果

更高效的AI开发与量产流程

通过AT32 Edge AI Sensor EV Board，开发者能够以更低成本快速验证多传感器AI模型，并直接部署到终端设备，加速产品从原型到量产的整体开发流程。雅特力也将持续提供更多AI模型、算法与工具资源，助力产业加速边缘智能应用的普及，探索更多AIoT创新可能。

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与人工智能算法的整合能力，协助全球客户打造智慧、低功耗且具竞争力的产品。随着更多感测、语音与视频场景逐步开放，雅特力也将携手合作伙伴推动Edge AI的普及，加速产业智慧化升级，实现更高效、可持续发展的科技未来。