TDK presenta SensorGPT para el desarrollo de IA en el edge

TDK Corporation ha presentado SensorGPT, una plataforma de generación de datos sintéticos de sensores diseñada para acelerar el desarrollo de modelos de IA en el edge para IoT, sistemas industriales y aplicaciones de Ambient IoT. La tecnología combina IA generativa, procesamiento de señales, modelado estadístico y simulaciones basadas en física para crear conjuntos de datos de sensores escalables destinados al entrenamiento y validación de modelos de aprendizaje automático.

La plataforma aborda una limitación importante en la implementación de IA en el edge: el tiempo y el costo asociados con la recopilación y curación de datos de sensores del mundo real. Según la compañía, el desarrollo tradicional de soluciones de IA dedica casi el 80% del tiempo del proyecto a la adquisición y preparación de datos. SensorGPT está diseñado para reducir la dependencia de conjuntos de datos del mundo real a aproximadamente un 10%, permitiendo ciclos más rápidos de iteración e implementación de modelos.

Generación de datos sintéticos para sistemas de IA en el edge
Los sistemas de IA en el edge dependen en gran medida de los datos de sensores para funciones como detección de movimiento, monitoreo ambiental, mantenimiento predictivo, análisis de wearables y automatización industrial. Sin embargo, recopilar grandes volúmenes de datos de sensores etiquetados en múltiples condiciones operativas sigue siendo un desafío importante, especialmente en entornos IoT distribuidos.

SensorGPT utiliza múltiples métodos de síntesis de datos para abordar esta limitación. Los modelos de IA generativa se entrenan con conjuntos limitados de datos del mundo real para reproducir patrones y comportamientos de sensores bajo diferentes escenarios operativos. Los modelos de simulación basados en física amplían aún más la generación de conjuntos de datos reproduciendo matemáticamente interacciones reales de sensores y dinámicas ambientales.

La plataforma también incorpora técnicas de procesamiento de señales que simulan las características y variabilidad de las salidas reales de sensores. Las capacidades de aumento de datos crean automáticamente conjuntos de datos ampliados que representan diversas condiciones operativas y casos extremos, mejorando la robustez del modelo durante el entrenamiento.

TDK afirmó que los conjuntos de datos sintéticos generados por SensorGPT alcanzan aproximadamente un 90% de similitud con los datos de sensores del mundo real, permitiendo que los datos generados respalden implementaciones de IA en el edge de nivel de producción.




Ciclos más rápidos de entrenamiento e implementación de modelos
La compañía indicó que SensorGPT puede reducir los plazos de desarrollo de modelos de IA en el edge de varios meses a unas pocas semanas. La plataforma admite una creación más rápida de prototipos y desarrollo de pruebas de concepto al permitir una expansión de conjuntos de datos a gran escala sin requerir extensas campañas de recopilación de datos en campo.

Las capacidades de anotación asistida también están integradas en la plataforma para simplificar los flujos de trabajo de etiquetado de datos de entrenamiento, mejorando la usabilidad y consistencia de los conjuntos de datos para aplicaciones de aprendizaje automático.

La tecnología está destinada a aplicaciones en dispositivos IoT, wearables, sistemas móviles, entornos de IoT industrial, sistemas de IA física e infraestructura de Ambient IoT. Estos sectores requieren cada vez más marcos escalables de generación de datos a medida que crece la demanda de procesamiento descentralizado de IA y computación inteligente en el edge.

Contexto competitivo en la generación de datos sintéticos para IA
La generación de datos sintéticos se ha convertido en un área importante dentro del ecosistema más amplio de IA en el edge y cadena de suministro digital, particularmente para aplicaciones donde recopilar datos diversos de sensores del mundo real resulta costoso o operacionalmente difícil.

Las tecnologías comparables en el mercado suelen centrarse en generación de datos basada en simulación, aumento asistido por IA o entornos de gemelos digitales. Los parámetros de referencia de rendimiento en este segmento suelen evaluar la similitud con datos del mundo real, la escalabilidad de los conjuntos de datos, la eficiencia de anotación, las mejoras en la velocidad de entrenamiento y las reducciones en los costos de adquisición de datos.

El enfoque de TDK combina IA generativa con simulación y técnicas de procesamiento de señales dentro de un único marco, apuntando a una cobertura más amplia de condiciones operativas y una mejor adaptabilidad en diferentes tipos de sensores e implementaciones IoT.

Jim Tran, Corporate Officer y General Manager en TDK USA Corporation y Deputy General Manager de Technology & Intellectual Property HQ, afirmó que la plataforma está destinada a transformar los datos de sensores en un recurso de desarrollo escalable mediante la combinación de modelado de IA generativa con técnicas de generación de datos basadas en simulación.

Editado por Natania Lyngdoh, editora de Induportals, con asistencia de IA.

www.tdk.com