La compañía lanza un componente ligero capaz de entrenar modelos en tiempo real y detectar anomalías directamente en microcontroladores y sistemas con recursos limitados.
MicroEJ, proveedor global de software embebido, ha anunciado junto a Boon Logic —especialista en soluciones de detección de anomalías basadas en IA— el lanzamiento de PicoAI, un nuevo componente software diseñado para llevar capacidades de autoaprendizaje a cualquier dispositivo inteligente conectado, eliminando la necesidad de infraestructura en la nube o complejos procesos de recopilación y entrenamiento de datos.
PicoAI está concebido para funcionar en microcontroladores y microprocesadores con recursos limitados, sin recurrir a aceleradores neuronales ni GPUs. La solución lleva la inteligencia artificial nativa al edge en sectores como energía, automatización industrial, electrónica de consumo y wearables. Su funcionamiento se basa en Nano, la tecnología patentada de clustering de Boon Logic, reconocida por ofrecer aprendizaje automático no supervisado en tiempo real y con tiempos de inferencia mínimos.
Según explica el CEO de MicroEJ, Dr. Fred Rivard, la propuesta representa un paso más en la estrategia de la compañía: “Con PicoAI llevamos capacidades de aprendizaje en tiempo real y detección de anomalías incluso a los dispositivos más pequeños. Es otro avance hacia una inteligencia definida por software a gran escala, optimizada para energía, seguridad y coste.”
Aprendizaje en tiempo real y reconocimiento de patrones de alta densidad
PicoAI introduce capacidades de autoaprendizaje directamente en los dispositivos embebidos, entrenando modelos sobre datos reales de operación sin depender de la nube ni de modelos predefinidos. El sistema aprende de forma autónoma cuál es el comportamiento “normal” y detecta anomalías o patrones de uso hasta 1.000 veces más rápido que los métodos tradicionales, incluso en entornos altamente variables.
El corazón de PicoAI es un algoritmo de clustering extremadamente eficiente que admite miles de clústeres por modelo, muy por encima de las soluciones habituales de edge AI que solo manejan unas pocas decenas. Esta capacidad amplía significativamente la precisión y escalabilidad del reconocimiento de patrones en sistemas embebidos.
Entre sus ventajas destacan:
- Entrenamiento de modelos en minutos, no en meses.
- Capacidad para miles de clústeres por modelo, con alta precisión de detección.
- Inteligencia en el propio dispositivo con mínimos requisitos de procesamiento y memoria.
Para Grant Goris, CEO de Boon Logic, la llegada de PicoAI supone un avance para el mercado embebido: “Llevar PicoAI al ecosistema embedded permite a los clientes entrenar modelos individualizados y en tiempo real en el edge, algo imposible con aproximaciones basadas en redes neuronales. La integración de Nano con MicroEJ VEE ofrece a la industria una capacidad inédita para acelerar la llegada de AI nativa al edge en sus portfolios.”
IA embebida a escala para energía, industria y wearables
PicoAI se distribuye como un runtime portable integrado en MICROEJ VEE, lo que permite reutilizarlo en distintos dispositivos y plataformas sin necesidad de reescribir código. Esto reduce la complejidad de integración y acorta los ciclos de desarrollo para fabricantes que buscan añadir IA a sus productos existentes o de nueva generación.
La solución puede implementarse en múltiples verticales:
- Energía: gestión de DER, desagregación de cargas, análisis de calidad eléctrica y NILM.
- Automatización industrial: mantenimiento predictivo y monitorización de equipos.
- Consumo: electrodomésticos adaptativos y modelado de comportamiento.
- Wearables: monitorización de salud y actividad, reconocimiento de patrones y detección de anomalías.
IA autosupervisada para cualquier dispositivo embebido
El enfoque de MicroEJ permite a los fabricantes integrar y actualizar PicoAI en líneas completas de producto, desde contadores energéticos y electrodomésticos inteligentes hasta wearables y sistemas de control industrial.
La compañía está mostrando PicoAI en ENLIT Europe, que se celebra del 18 al 20 de noviembre en Bilbao, en el Hall 1 – Stand E32. Allí presenta demostraciones en vivo de desagregación de recursos energéticos distribuidos (DER) ejecutándose directamente sobre dispositivos impulsados por MicroEJ.
(MicroEJ)
