隨著人工智能加速向終端設備滲透，邊緣AI（Edge AI）已成為推動智能化及物聯網（IoT）應用的關鍵技術。相較于依賴云端的運算模式，Edge AI能夠在傳感器端或本地MCU上直接完成實時推論，有效降低延遲、提升隱私保護并減少能耗。特別適用于手勢操控、動作識別及設備監測等對反應速度高度敏感的場景。

雅特力科技憑借AT32 MCU的高效能、豐富外設與完善開發生態，并結合Edge Impulse平臺，持續推動多傳感器邊緣AI技術落地，協助客戶以最短開發周期導入各種AI功能，縮短產品開發及量產時程。

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傳感器，并全面支持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與智能設備的產品化設計。

三大Edge AI應用亮點

TOF手勢識別（Gesture Recognition）

基于板載VL53L7CX TOF Sensor，AT32 Edge AI Sensor EV Board可在5-20cm范圍內偵測4×4深度數組數據，并利用質心權重算法與Edge Impulse神經網絡模型，完成「上／下／左／右」四方向手勢識別。OLED還可同步顯示手勢軌跡，適用于智能家電、人機交互界面與車載控制等需低延遲、非接觸式操作的應用場景。

IMU異常偵測（IMU Vibration Anomaly Detection）

使用板載LSM6DS3TR加速度與陀螺儀數據，通過K-means自學習模型自動建立「正常運轉特征」，可實時偵測風扇、電機與設備振動異常，適用于工業設備健康監測、智能維護與環境感測。

特色：

1. 8-D特征擷取（均值、方差、RMS、峰度等）

2. MCU本地推論，無需倚賴云端

3. 自學習模型，自動產生異常閾值

IMU動作識別（Motion Classification，Edge Impulse Pipeline）

AT32 Edge AI Sensor EV Board支持使用Edge Impulse訓練并部署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，適用于可穿戴設備、體感交互與智能控制。模型可直接導入AT32F403A與LSM6DS3TR傳感器，并通過CMSIS-DSP/NN進行優化，加速MCU端推論效能。

完整Edge AI開發流程支持

AT32 Edge AI Sensor EV Board內建完整Edge Impulse開發鏈路，包括：

1. 傳感器數據收集（TOF / IMU）

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

3. 分類與異常偵測模型訓練（Neural Networks、K-means）

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

5. OLED與串口實時顯示推論結果

更高效的AI開發與量產流程

通過AT32 Edge AI Sensor EV Board，開發者能夠以更低成本快速驗證多傳感器AI模型，并直接部署到終端設備，加速產品從原型到量產的整體開發流程。雅特力也將持續提供更多AI模型、算法與工具資源，助力產業加速邊緣智能應用的普及，探索更多AIoT創新可能。

雅特力科技將持續深化Edge AI技術研發，并以前瞻規劃強化高性能MCU與人工智能算法的整合能力，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、語音與視頻場景逐步開放，雅特力也將攜手合作伙伴推動Edge AI的普及，加速產業智慧化升級，實現更高效、可持續發展的科技未來。