在近日于美國舉辦的Sensors Converge 2026大會上，日本電子元件巨頭TDK株式會社（TDK Corporation）正式發(fā)布了兩款基于人工智能的新軟件工具：SensorGPT與SensorStage。這兩款產(chǎn)品分別針對智能邊緣物聯(lián)網(wǎng)設(shè)備的傳感器數(shù)據(jù)生成以及Zui新慣性測量單元（IMU）的開發(fā)工作流加速，旨在解決當(dāng)前傳感器研發(fā)中面臨的數(shù)據(jù)瓶頸與選型復(fù)雜難題。

隨著多維傳感器在消費電子、工業(yè)設(shè)備及汽車領(lǐng)域的應(yīng)用日益廣泛，測試環(huán)境變得愈發(fā)復(fù)雜。傳統(tǒng)的單軸加速度計測試僅需關(guān)注輸入變化、變化速率及上下限響應(yīng)等相對簡單的參數(shù)，但一旦引入多軸、陀螺儀及磁力計輸入，驗證所需的排列組合便呈指數(shù)級增長。若再疊加人工智能對傳感器數(shù)據(jù)的解讀需求，測試體系將變得極為龐大。邊緣AI模型的訓(xùn)練依賴于海量數(shù)據(jù)集，而在現(xiàn)代多維邊緣AI傳感器投入市場前，往往難以獲取足夠規(guī)模的真實世界數(shù)據(jù)以完成充分的測試與驗證，這導(dǎo)致行業(yè)陷入“先有雞還是先有蛋”的困境。

針對這一痛點，TDK推出的SensorGPT利用生成式人工智能技術(shù)，通過少量真實世界數(shù)據(jù)集作為提示詞，生成模擬數(shù)據(jù)集以增強(qiáng)開發(fā)階段的測試能力。據(jù)《福布斯》報告指出，近80%的AI解決方案開發(fā)時間耗費在數(shù)據(jù)收集與整理上，而創(chuàng)建測試數(shù)據(jù)集的時間甚至超過產(chǎn)品開發(fā)本身。TDK軟件及系統(tǒng)總監(jiān)Abbas Ataya表示，典型的邊緣AI開發(fā)周期中，數(shù)據(jù)收集需耗時四至六個月，隨后還需識別場景遺漏并迭代優(yōu)化。SensorGPT通過從少量真實數(shù)據(jù)中進(jìn)行外推，將這一過程縮短至數(shù)周。其生成的模擬數(shù)據(jù)基于物理原理和數(shù)學(xué)建模，經(jīng)過信號處理與計算以模仿真實傳感器輸入，TDK聲稱其與真實世界傳感器數(shù)據(jù)的相似度高達(dá)90%。此外，該軟件還能對訓(xùn)練數(shù)據(jù)進(jìn)行標(biāo)注和標(biāo)記，進(jìn)一步提升其在系統(tǒng)開發(fā)與測試中的可用性。

與此同時，針對慣性測量單元（IMU）的選型與驗證，TDK發(fā)布了SensorStage評估軟件。TDK的SmartMotion系列IMU廣泛應(yīng)用于從智能手機(jī)到機(jī)器人再到車輛穩(wěn)定系統(tǒng)的各類產(chǎn)品中，涵蓋9軸IMU/磁力計、6軸加速度計/陀螺儀以及3軸獨立陀螺儀和加速度計等，并內(nèi)置多種算法供選擇。傳統(tǒng)上，為特定應(yīng)用選擇IMU是一項艱巨的任務(wù)，且隨著IMU技術(shù)的快速迭代，這一過程愈發(fā)困難。早期的圖形用戶界面工具雖能輔助開發(fā)，但難以進(jìn)行直接的部件對比；而復(fù)雜的定制測試臺雖然功能全面，卻可能耗費與產(chǎn)品開發(fā)相當(dāng)?shù)臅r間。SensorStage通過基于AI的工作流自動化，填補了這兩類工具之間的空白。

TDK InvenSense軟件應(yīng)用工程總監(jiān)Jim Lin指出，SensorStage是對硬件評估軟件的從頭重新開發(fā)，旨在提供一個統(tǒng)一的評估環(huán)境，不僅評估傳感器性能，還能驗證芯片上運行的任何復(fù)雜算法。以智能眼鏡為例，開發(fā)者需評估頭顯追蹤、活動追蹤及導(dǎo)航等復(fù)雜算法在惡劣現(xiàn)實條件下的響應(yīng)速度與功耗。SensorStage集成了所有SmartMotion傳感器的算法、參數(shù)及功能數(shù)據(jù)，支持逐功能對比與詳細(xì)分析，并允許評估芯片級運行參數(shù)，如實時功耗與傳感器數(shù)據(jù)速率之間的權(quán)衡。該軟件采用可視化隱喻界面，支持復(fù)雜的Python腳本以實現(xiàn)更好的工作流控制，并可擴(kuò)展以添加未來產(chǎn)品，成為一個集先進(jìn)視覺分析、定制化和擴(kuò)展性于一體的全合一傳感器評估與開發(fā)平臺。