Investigación y desarrollo de aplicaciones típicas de aprendizaje automático en microcontroladores mediante el flujo de trabajo de Tiny Machine Learning.

Abstract

Este trabajo se desarrolló como fase inicial de un proyecto que busca la implementación de aprendizaje automático en microcontroladores por medio de redes neuronales. Este proyecto se dividió en tres aplicaciones principales que buscan presentar una introducción práctica a la nueva tendencia conocida como Tiny ML. El objetivo principal del trabajo es indagar y desarrollar aplicaciones típicas de aprendizaje automático a través del flujo de trabajo de Tiny Machine Learning en microcontroladores. Las aplicaciones presentadas en este trabajo muestran diferentes escenarios de aplicación de aprendizaje automático en microcontroladores con complejidad en aumento conforme se avanza en la lectura. Cada aplicación contó con experimentos que ayudan a demostrar su funcionamiento, aunque se abordó con más detalle el desarrollo e implementación de los modelos en los dispositivos. La primera aplicación consistió en desarrollar un modelo de regresión simple e implementarlo en los dispositivos Arduino Nano 33 BLE Sense y Espressif ESP32 DevKitC. Se realizó el desarrollo y conversión del modelo para ejecución en los microcontroladores, así como gráficos de los resultados obtenidos en los dispositivos mediante comunicación serial y de forma visual mediante un LED. La aplicación mostró resultados satisfactorios al brindar buenas estimaciones para los datos de entrada. La segunda aplicación consistió en el desarrollo de un modelo de reconocimiento de patrones utilizando redes neuronales e implementarlo en un Arduino Nano 33 BLE Sense. El desarrollo de esta aplicación fue enfocado en la recolección de datos e interacción del sensor con el modelo. La aplicación mostró buena ejecución en el dispositivo al obtener inferencias adecuadas acerca de los datos de entrada obtenidos con una Unidad de Medición Inercial (IMU). La tercera aplicación consistió en utilizar el algoritmo YOLO para realizar detección y clasificación de objetos en la toma de un módulo de visión JeVois A33. Los datos de salida del algoritmo fueron utilizados en un Arduino Micro para ejecutar un controlador que actúa servomotores para centrar el objeto detectado en el plano de imagen con un brazo robótico. El modelo YOLO fue entrenado para reconocer un objeto y la aplicación mostró respuestas satisfactorias al ejecutar el controlador con base en las inferencias del modelo, aunque no pudo ser implementado de forma adecuada en el módulo de visión. (A)