Введение
Представьте: вы махнули рукой, и свет в комнате погас. Никаких пультов, голосовых команд или облачных серверов — всё происходит локально, на микроконтроллере размером с жвачку. Это не магия, а Edge AI — машинное обучение на границе сети. Устройство Arduino Nano BLE Sense с TinyML позволяет запускать нейросети прямо на борту, а AI-агент ASI Biont превращает этот прототип в полноценную систему автоматизации. В этой статье я расскажу, как подключить Arduino Nano BLE Sense к ASI Biont через BLE и Hardware Bridge, чтобы управлять умным домом жестами — без единой строки кода, написанной вручную.
Что такое Arduino Nano BLE Sense и TinyML?
Arduino Nano BLE Sense — это микроконтроллер на базе nRF52840 с поддержкой Bluetooth Low Energy (BLE) и встроенными датчиками: акселерометр, гироскоп, микрофон, датчик температуры, влажности и давления. TinyML — это фреймворк для запуска сжатых моделей машинного обучения на микроконтроллерах с ограниченной памятью (256 КБ ОЗУ). С помощью TensorFlow Lite for Microcontrollers вы можете обучить модель распознавать жесты, звуки или вибрации, а затем загрузить её на Arduino. Главное преимущество — всё работает офлайн, без задержек и без отправки данных в облако.
Как ASI Biont подключается к Arduino Nano BLE Sense?
Arduino Nano BLE Sense не имеет прямого Ethernet или Wi-Fi — он общается через BLE или COM-порт (USB). ASI Biont использует Hardware Bridge — приложение bridge.py, которое пользователь запускает на своём ПК. Bridge соединяется с облаком ASI Biont через HTTP long polling и открывает локальный COM-порт (например, COM3 на Windows или /dev/ttyACM0 на Linux). Когда AI-агент получает команду через industrial_command() с протоколом serial://, bridge записывает данные в порт и читает ответ. Это идеально для Arduino: вы подключаете плату по USB, bridge видит порт, и AI начинает общение.
Конкретный сценарий: управление освещением жестами
Проблема
Традиционные системы умного дома требуют либо физического пульта, либо облачного сервера с постоянным интернетом. Если интернет пропадает — свет не выключить. Кроме того, обучение модели машинного обучения и её интеграция с остальными устройствами (например, умными лампами Philips Hue или розетками Tuya) требуют написания десятков строк кода на Python и MicroPython.
Решение с ASI Biont
- Обучение модели TinyML: На ПК с TensorFlow вы тренируете модель распознавания жестов (например, «взмах влево» и «взмах вправо») на данных с акселерометра. Полученный файл .tflite загружается на Arduino Nano BLE Sense через Arduino IDE.
- Прошивка Arduino: Микроконтроллер постоянно читает акселерометр, прогоняет данные через нейросеть и при обнаружении жеста отправляет строку в COM-порт (например,
GESTURE_LEFTилиGESTURE_RIGHT). - Подключение к ASI Biont: Вы запускаете bridge.py с параметрами:
bash python bridge.py --token=YOUR_TOKEN --ports=COM3 --default-baud=115200 - Команда в чате: Вы пишете AI-агенту: «Подключись к Arduino на COM3, читай данные с порта, и если получена строка GESTURE_LEFT — выключи свет через MQTT-команду на ESP32 с реле». AI генерирует и выполняет код.
Пример кода, который генерирует AI
AI использует industrial_command() для чтения с порта и publish в MQTT:
import paho.mqtt.client as mqtt
import time
# Чтение данных с Arduino через bridge
# AI отправляет команду в чат:
# industrial_command(protocol='serial', command='read', params={'port': 'COM3', 'baud': 115200, 'timeout': 10})
# Полученный ответ: 'GESTURE_LEFT'
# Публикация команды в MQTT для ESP32
client = mqtt.Client()
client.connect('192.168.1.100', 1883)
client.publish('home/light/command', 'OFF')
client.disconnect()
Результат
- Задержка: от жеста до выключения света — менее 200 мс (всё локально).
- Надёжность: при обрыве интернета Arduino продолжает распознавать жесты, а MQTT работает в локальной сети.
- Простота: вы не пишете ни строчки кода — AI делает всё за секунды.
Почему это выгодно?
Вместо того чтобы тратить часы на отладку соединения между Arduino и MQTT-брокером, вы просто описываете задачу в чате. AI-агент ASI Biont сам выбирает библиотеки (pyserial, paho-mqtt), пишет код, выполняет его в sandbox-окружении и при необходимости дорабатывает по вашим замечаниям. Это особенно полезно для прототипирования: вы можете за 10 минут собрать систему, которая раньше требовала недели разработки.
Заключение
Arduino Nano BLE Sense с TinyML — это мощный инструмент для Edge AI, а ASI Biont делает его доступным для любого, кто умеет формулировать задачи словами. Никаких панелей управления, никаких кнопок «добавить устройство» — только диалог с AI. Попробуйте интеграцию прямо сейчас на asibiont.com и управляйте умным домом жестами.
Комментарии