~最新技術と実践方法解説 -...
TRANSCRIPT
AI08
IoTにAIを組み込む~最新技術と実践方法解説
IoTの開発・運用コストはAIの活用で回収する…
AI = Big DataBig Data from IoT EdgesAI Create Excellent Value
IoTは、膨大なデバイスと膨大なデータを扱う
Azureで、IoT+AIを実践するときの基本骨格
IoTで使われるAI要素
IoTのスケール感
要件を踏まえた適材適所な配置
IoTでAI –重要ポイント
現実的なAIの構築データを測る
データを収集する
データを整理し
傾向を把握する
学習モデルを作る
学習する
配置する
継続的に改善する
最後は「運用する」に
IoTのAIへのインプットといえば…
センサーデータストリーム
AIを構築する準備段階 –アスリートを例に
データを測る データを収集する データを整理する 傾向を把握する
データを測り収集する
Edge SDK V1 Machine
Broker
BLE IoT Hub
データを整理し、傾向を把握する
巨大なセンサーデータストリームの可視化
• 時系列データの価値を最大限に
• 時系列データに対するクエリ機能
• 傾向や異常に焦点
• 離散データの相互相関を把握
• 埋もれていた傾向を発見可能
ご協力頂いたパートナー様:ありがとうございました!
• サクサ株式会社様• 情報通信に関して、開発から生産・販売・保守に至るま
で一貫したワンストップ体制でソリューションを提供。
• センサー情報収集IoT Gatewayのご提供
• データスタジアム株式会社様• データ の収集や提供からソリューションの開発までを行う
スポーツデータのスペシャリスト集団。
• 投球動作測定のための環境およびスポーツデータ分析の
専門的な知見の提供。
• 株式会社ホロラボ様• RealityとVirtualityを自由自在に操る技術を独自に研
究開発し、関連するサービスをご提案。
• Unityを使った投球動作データの解析とアバターへの実装
AIを構築する
AIを構築 – IoTにおけるAI
傾向を把握する 学習モデルを作る 配置する 運用する
数理モデル
リモート配置と制御を実現するAzure IoT Edge
IoT Edge Technology
参考)IoT Edge Runtimeが動く機器
IoT Hub
Elasticsearch OperatorKibana
Functions
IoT Edge / Edge Agent
Plat’Home
OpenBlocks IoT VX2
Parse Module(C# Custom Module)
Filter Module(ASA Module)
Stream Analytics(Edge)
PD Handler (parse process)
PD Repeater (transfer process)
Container Registry
deploy via IoT Hub
BLE
json (containing base64)
json (containing base64)
富士通コンポーネント社
加速度センサーオムロン社
環境センサー
IoTセンサー・デバイス
Action
パトライト社
ネットワーク監視表示灯
Azure IoT EdgeとOpenBlocks IoT VX2を使った
エッジコンピューティングIoTシステム構成例
Stream AnalyticsをEdgeで動かす
Edge SDK V2 Machine
Edge Runtime
Edge SDK V1 Machine
Broker
KES製
Modbus
Bridge
IoT
Hub
FA
EquipsFA
EquipsFA
Equips
MQTT
証明書による接続
ASA on
Edge
ASA on
Edge
LocalAlert
この写真 の作成者不明な作成
参考)金沢エンジニアリングシステムズ様事例
ASA on Edgeによる数理モデル配置
機器
Docker Container
Stream Analytics on Edgeデモ
Azure IoT Edge テクノロジーの進化
Deep Learning
Azure Machine Learning
Open AI Framework
学習済みモデルをCloudで動かす
学習済みモデルをEdgeで動かす
学習済みライブラリー
Edge向けカスタマイズ
Docker コンテナ
https://github.com/liupeirong/Azure
→DarknetYoloIoTEdge
https://docs.microsoft.com/ja-jp/azure/iot-edge/tutorial-deploy-machine-learning
クラウディアン(株)様を例に
PoE 接続
最大 30W 給電
CLOUDIAN AI Box
Outdoor Model
NVIDIA Jetson TX2 搭載堅牢, 防塵・防水, 落雷対策
センサーデータストリームにも対応可
• Edge側でのリアルタイム画像識別
• 識別結果をクラウドへ送信
• リモートからのAIロジック配置・更新
NVIDIA JetPack
Microsoft Azure
IoT Hub と IoT Edge Technologyデモ
継続的な学習モデル改善とEdgeへの再配置
AIを Edge に組み込む際のポイント
Edge全般
Cloud: Azure 高機能 Edge 軽量 Edge
概要An Azure host that
spans from CPU to GPU and FPGA VMs
A server with slots to insert CPUs, GPUs, and FPGAs or a x64 or ARM system that needs to be plugged in to work
A Sensor with a SoC
(ARM CPU, DSPs) and
memory that can operate on batteries
CPUCPU,GPU or Arria 10
FPGAArria 10 FPGA
NVIDIA GPU x64 CPU ARM CPUHW accelerated DSP,CPU,GPU
モデルパッケージNative to Windowsand container elsewhere
Windows Native
- Linux container- Windows ML
- Linux container
- Windows ML
- Linux container
- (Ideally) container
- Android Native
- iOS Native
- RT OS
Edgeで動かすには、カスタマイズが必要
学習済みモデル
学習環境向けAIライブラリー
学習済みモデル(Tuned)
HW向けAIライブラリー
Edge Runtime 入出力ロジック
最新のテクノロジー群
マイクロソフトが提供するサービス群
まとめ
最後に
© 2018 Microsoft Corporation. All rights reserved.
本コンテンツの著作権、および本コンテンツ中に出てくる商標権、団体名、ロゴ、製品、サービスなどはそれぞれ、各権利保有者に帰属します。