COSCUP 2025

本次報告主要介紹一款創新的5G啟用移動式機器人系統——SmartTB5。該系統整合了TinyFusion邊緣AI模組的感知智能與TurtleBot3平台的自主移動能力 展示如何在不依賴雲端運算的情況下 利用Tiny Machine Learning TinyML）實現在嵌入式硬體上的即時感知與反應。
TinyFusion 是一款客製化設計的低功耗嵌入式模組 支援運行基於 Edge Impulse 與 TensorFlow Lite for Microcontrollers 平台的 TinyML 模型。模組內建音訊、震動、視覺與環境等多種感測器 能即時蒐集環境資料 並透過訓練完成的機器學習模型於地端進行運算與推論。
TinyML的流程由感測器資料蒐集 透過Edge Impulse平台進行資料預處理、特徵萃取 音訊使用MFCC 震動使用FFT）、模型訓練與量化。完成訓練後 模型被量化並轉換為 TFLite Micro 格式 並部署至TinyFusion模組於裝置端即時推論 偵測特定模式或異常事件。
在SmartTB5的系統架構中 TinyFusion作為AI前端感知單元 進行訊號分析並產生推論結果，，例如：「玻璃破裂偵測」、「跌倒偵測」、「有人接近」。這些結果會透過UART或AT指令傳輸至搭載ROS 機器人作系系統）的TurtleBot3 。當TurtleBot3接收到結果時 會執行相應動作 例如導航至指定位置、避開障礙物、觸發警報 或將狀態資訊回傳至遠端儀表板。
透過 TinyFusion 在地端進行推論 可有效降低延遲 、節省網路頻寬並提升隱私性 非常適用於離線或低連線品質的場域 。外， 整個系統支援 5G 與 Wi-Fi 的連線 可實現遠端監控、OTA (Over-the-Air 空中更新) 甚至是多機器人協同作系等應用。
典型應用情境： • 智慧巡邏與自主室內導航 • 工系或智慧家庭的異常行為偵測 • 高齡者照護中的跌倒或緊急情況偵測 • 以語音或手勢控制機器人
SmartTB5設計模組化且友善開源 開發者可自行蒐集資料集、透過Edge Impulse重新訓練模型 並快速部署至TinyFusion模組中進行測試與迭代 非常適合學術研究、機器人競賽或AIoT產品原型開發。
本次發表將介紹整體系統架構、TinyML 訓練流程、TinyFusion 與 TurtleBot3 之間的通訊設計與實驗成果 並探討 TinyML 在嵌入式機器人部署所面臨的挑戰 提供對未來邊緣 AI 應用的深入見解。