TensorFlow Lite pour microcontrôleurs
Intelligence Artificielle – Expérimentations avec TensorFlow Lite
Dans le cadre d’un partenariat avec l’initiative Experiments with Google, notre équipe a contribué au développement de projets innovants utilisant TensorFlow Lite for Microcontrollers, une version ultra-légère du framework d’IA adaptée aux appareils à ressources limitées (Arduino, ESP32, etc.). En intégrant des modèles de machine learning directement sur des microcontrôleurs, nous avons conçu des expériences interactives autour du mouvement, de la voix, et du comportement humain.
Nous avons exploré plusieurs cas d’usage : de la reconnaissance de gestes pour contrôler l’éclairage à la détection de ronflements intégrée dans l’oreiller, en passant par le suivi de squats pour le fitness intelligent. Ces projets démontrent notre capacité à travailler à l’intersection de l’IA, de l’électronique embarquée, et de l’expérience utilisateur.
Notre processus comprenait :
La collecte et le traitement de données IMU (accéléromètre, gyroscope) ;
L’entraînement de modèles ML optimisés pour microcontrôleurs ;
Le prototypage rapide via Arduino et TensorFlow Lite ;
Le déploiement et le test en conditions réelles.
en action!
Mapping Dance synchronise mouvement et éclairage scénique à la perfection.
TensorFlow Lite pour microcontrôleurs et l’Arduino Nano 33 BLE Sense ont été utilisés pour entraîner et classifier des mouvements de danse uniques. Grâce à un Raspberry Pi 4, ces mouvements ont été coordonnés avec l’éclairage et la projection vidéo afin de se déclencher à chaque geste assigné, créant ainsi une expérience audiovisuelle puissante qui met en lumière l’incroyable potentiel du TinyML dans les arts de la scène.
Voice Turn permet aux cyclistes et aux motards de prévenir les conducteurs de leur prochain mouvement.
Grâce à un clignotant contrôlé par la voix, l’appareil reconnaît et comprend les mots « Gauche » ou « Droite ». Une fois le mot-clé détecté, une lumière clignote pour signaler l’intention aux conducteurs alentour.
Pour créer Voice Turn, les outils TensorFlow Lite pour microcontrôleurs, l’application de reconnaissance vocale Edge Impulse, et l’Arduino Nano 33 BLE Sense ont été utilisés.
Move! rend l’exercice plus joyeux en transformant les calories brûlées en jeu.
TensorFlow Lite pour microcontrôleurs et l’Arduino Nano 33 BLE Sense ont été utilisés pour entraîner et classifier des gestes d’exercice uniques. Une fois le matériel et les modèles d’apprentissage automatique mis en place, une application mobile ludique a été développée pour donner vie à cette expérience et permettre à tout le monde d’y participer avec plaisir.