DOSP-VHR-002306 | Machine Learning @ the Extreme Edge

In Europa is embedded intelligence een van de kritische technologieën en is Artificiële Intelligentie (AI) een strategische technologie. Voor Vlaanderen is een van de uitdagingen het real-time en energie-efficiënt informatie extraheren en verwerken aan de rand, 'the edge', door middel van AI. Momenteel wordt hiervoor vooral gewerkt met "intelligente" edge systemen.

Heel recent is er een trend om machine learning (ML) uit te voeren op end-point devices. Deze devices bevinden zich op de uiterste rand, de extreme edge, op de grens tussen de analoge, fysische wereld, en de digitale wereld. Ze bestaan uit een of meerdere sensoren en een embedded resource constrained device, een device met een beperkte hoeveelheid geheugen, rekenkracht en energieverbruik. De uitdaging bestaat erin om nauwkeurige, energie-efficiënte ML-modellen te ontwikkelen. Dit kan verwezenlijkt worden door middel van tiny machine learning (tinyML), een sub-field in de machine learning.

AI heeft toepassingen in tal van sectoren, zoals de gezondheidszorg. Willen we in de toekomst overschakelen naar een goedkope en comfortabele patiëntenmonitoring, dan hebben we nood aan draadloze en batterijgevoede systemen, werkend in een draagbaar draadloos netwerk, die gezamenlijk voorspellingen doen via ML. Gezondheidszorg is bijgevolg een van de domeinen waarin tinyML een belangrijke rol kan spelen.

In het onderzoeksproject wordt er gekeken hoe end-point devices en de tinyML technologie gebruikt kunnen worden in de ontwikkeling van een intelligent draagbaar monitoringsysteem. Een systeem dat ingezet kan worden binnen de gezondheidszorg. Er wordt gewerkt door middel van een use case, het op afstand opvolgen van een revalidatieproces, het real-time monitoren van beweging (stappatroon, beweging, activiteit, ...) bij patiënten in een thuisomgeving. Dergelijke systemen maken het onder andere mogelijk de revalidatie beter af te stemmen op de individuele noden van de patiënt. Er wordt aangetoond wat de mogelijkheden zijn van tinyML technologie. Een technologie waarmee ontwikkelaars intelligente devices kunnen ontwikkelen. Daarnaast wordt er nagegaan aan welke vereisten een toekomstig patiëntenmonitoringsysteem moet voldoen, dit vanuit het gebruikersstandpunt. Door deze kennis kunnen ontwikkelaars de draagbare intelligente monitoringsystemen beter afstemmen op de vereisten van de eindgebruikers.