nRF54L15にFuel Gaugeを実装してみました!

こんにちは。加賀デバイスのNordic Teamです。 バッテリー駆動の製品では残量表示が重要になります。しかし、バッテリー電圧は温度、負荷条件、劣化状態などによって変化するため、電圧だけでは正確な残量を把握できません。そこで活用されるのがFuel Gauge(残量推定機能)です。 Fuel Gaugeはバッテリーの電圧、電流、温度などの情報をもとに、残量(State of Charge)や劣化状態(State of Health)を推定します。Nordic製SoCと組み合わせることで、nRF Connect SDKからFuel Gaugeアルゴリズムをそのまま利用できます。これはホストSoCとPMICのみで動作します。 nRF Connect SDKの説明はnRF Connect SDK 環境構築方法(V3.0.0編)をご覧ください。 今回のコラムでは、nPM1304 EKでバッテリーモデルを作成し、nRF54L15 DKへ組み込み、Fuel Gaugeの動作を確認してみました。 PMICを使用したFuel Gaugeは、nPM PowerUPというPCツールを用いることで簡単に評価・開発できます。このPCツールではコード不要でバッテリーモデルを生成できるため、今回はnPM PowerUPを活用して進めていきます。 ◢◤実機検証 ここからは実際にバッテリーモデルを作成し、バッテリー残量の取得を行います。 ステップ1:バッテリーモデルの作成(nPM1304 EK)ステップ2:バッテリーモデルの組み込み(nRF54L15 DK) 必要なものは下の表にある通りです。ステップ1ではnRF54L15 DKは不要です。 ハードウェア ソフトウェア nPM1304 EK nPM PowerUP nRF54L15 DK nPM1300 and nPM1304: Fuel gauge 評価対象バッテリー(nPM1304 EK同梱) ◢◤ソフトウェアの準備 まずはnPM PowerUPをインストールします。Nordic製品の開発用ツールをインストール・管理して起動するための統合デスクトップアプリにnRF Connect for Desktopというものがあります。nRF…

Nordicが提供する2つのEdge AI

こんにちは。加賀デバイスのNordic Teamです。 生成AIの普及により、AI技術はこれまで以上に身近な存在になりました。一方で、IoTや組込み機器の世界ではクラウド上でAIを実行するだけでなくデバイス自身がAI処理を行うEdge AI が注目されています。 例えば、このようなアプリケーションがあります。 これらのアプリケーションでは、リアルタイム性や低消費電力、通信コスト削減の観点からデバイス内でAI推論を行うことが求められています。NordicもEdge AIを重要な戦略分野と位置付けており、その中核となる技術として下記のソリューションを提供しています。 ・Neuton・Axon NPU しかし、この2つは同じAI技術ではありません。今回は、それぞれの役割や違い、そしてどのような用途に適しているのかを解説したいと思います。 ◢◤Edge AIへの2つのアプローチ 一口にEdge AIと言っても、求められる処理能力によって大きく2つの領域に分けることができます。 AIの種類 代表的な用途 軽量AI 異常検知、予知保全、姿勢認識、センサーデータ解析 高性能AI 音声認識、画像分類、物体検出、キーワードスポッティング 例えば、モーターの振動異常検知やモーション検知では比較的小規模なモデルで十分な場合があります。一方で、「OK Nordic」のようなウェイクワード検出などでははるかに大きな計算量が必要になります。Nordicはこの2つの領域に対し、それぞれ異なるアプローチを提供しています。 ◢◤Neuton:小さなAIを手軽に実現 Neutonは、センサーデータから小型のAIモデルを生成するための開発ツールです。Neutonのモデル作成はNordic Edge AI Labというwebツール上で行います。Nordic Edge AI Labは登録すればだれでも無料で使用することができます。 生成されたモデルは非常にコンパクトで、わずか数kBのROMしか使用しない為、アプリケーション領域を圧迫することなくAIを実現できます。NeutonはnRF52,nRF53,nRF54Lシリーズ,nRF91シリーズなどのCPU上で直接実行できます。 Neuton最大の魅力は、AIの専門知識がなくても利用しやすいことです。従来のAI開発では、モデル選定、学習・評価・最適化といったAI開発の専門知識が必要でした。Neutonでは、センサーデータを投入することで小型モデルを生成できるため、AIエンジニアでなくても比較的容易にAI機能を組み込むことができます。 Neutonは時間経過に伴う値として定期的にサンプリングできる、加速度、IMU、PPG、温度、各種電気計測など、様々なセンサーからの時系列データに対応しています。 Neutonは例えば、下記のようなアプリケーションに向いています。これらの用途では「AIは使いたいが、複雑なAI開発環境は導入したくない」というケースが少なくありません。Neutonはまさにそのようなニーズに適したソリューションです。 アプリケーション 例 異常検知 モーター監視 予知保全 ベアリング劣化検出 モーション認識 点灯検知 環境監視 温湿度異常検知 ウェアラブル 活動量推定 スマートホーム 人感検知 ◢◤Axon NPU:より高度なAIを実現 一方で、音声認識や画像認識はNeutonだけで実現できる領域ではありません。こうした用途では一般的にTensorFlow、PyTorchといったAI開発フレームワークを利用します。 そこで活躍するのが、nRF54LM20Bに搭載されるAxon NPU(Neural Processing…