Введение
Arduino Nano BLE Sense — это микроконтроллер размером с жевательную резинку, но с мощным процессором nRF52840 и набором датчиков: микрофон, акселерометр, гироскоп, датчик цвета, температуры и влажности. Благодаря поддержке TinyML (TensorFlow Lite Micro) на нём можно запускать нейросети прямо на устройстве — без облака, без задержек. Но как сделать так, чтобы результаты инференса (например, распознавание жеста или аномалии вибрации) автоматически запускали действия: отправку уведомления в Telegram, запись в базу данных или включение реле?
Здесь и приходит AI-агент ASI Biont. Он подключается к Arduino Nano BLE Sense по Bluetooth Low Energy (BLE) через Hardware Bridge, считывает предикты TinyML-модели и на основе них запускает любые сценарии автоматизации. Всё это — без единой строки ручного кода. Достаточно описать задачу в чате.
Какой способ подключения используется и почему
Arduino Nano BLE Sense не имеет Ethernet или Wi-Fi (только BLE). Поэтому прямой способ интеграции — через Hardware Bridge (bridge.py). Bridge запускается на обычном ПК (Windows/Linux/macOS), подключается к Arduino по BLE через виртуальный COM-порт (Serial over BLE) и связывается с ASI Biont по WebSocket. AI-агент отправляет команды через industrial_command с протоколом serial://, bridge читает данные с платы и возвращает результат.
Почему именно этот способ? BLE — единственный канал связи на устройстве, а Hardware Bridge даёт AI-агенту прямой доступ к COM-порту без необходимости писать BLE-стек с нуля. Кроме того, bridge поддерживает atomic-операцию serial_write_and_read, что критично для TinyML-сценариев: нужно отправить запрос на инференс и сразу получить ответ.
Конкретный сценарий: распознавание жестов и управление умным домом
Задача
У вас есть Arduino Nano BLE Sense с TinyML-моделью, обученной распознавать три жеста:
- Взмах влево — выключить свет в комнате.
- Взмах вправо — включить свет.
- Хлопок — отправить уведомление в Telegram.
Модель уже загружена в память платы (например, через Arduino IDE или Edge Impulse). При детекции жеста Arduino отправляет по BLE строку вида: GESTURE:LEFT\n, GESTURE:RIGHT\n, GESTURE:CLAP\n.
Пошаговая настройка
Шаг 1. Скачайте bridge.py из дашборда ASI Biont (раздел Devices → Create API Key). Установите зависимости:
pip install pyserial requests websockets
Шаг 2. Подключите Arduino Nano BLE Sense к ПК через USB. После подключения в системе появится виртуальный COM-порт (например, COM5 на Windows, /dev/ttyACM0 на Linux). Убедитесь, что плата передаёт данные: откройте монитор порта в Arduino IDE и проверьте, что при жестах приходят строки.
Шаг 3. Запустите bridge с вашим токеном и портом:
python bridge.py --token=ваш_токен --ports=COM5 --baud 115200 --rate=10
Bridge подключится к ASI Biont через WebSocket и начнёт слушать COM5.
Шаг 4. В чате с AI-агентом опишите задачу:
«Подключись к Arduino Nano BLE Sense через bridge на порту COM5, baud 115200. Читай строки вида GESTURE:... Когда приходит LEFT — отправь команду на умную розетку (HTTP POST на 192.168.1.100:80/off), когда RIGHT — на включение (POST /on), когда CLAP — отправь мне уведомление в Telegram.»
Что сделает AI-агент
AI сгенерирует Python-скрипт для execute_python, который:
- Подписывается на данные от bridge через industrial_command (serial_write_and_read)
- Парсит строки и извлекает тип жеста
- При LEFT/RIGHT делает HTTP-запрос к умной розетке (requests.post)
- При CLAP отправляет сообщение через Telegram Bot API (requests.post к api.telegram.org)
Пример сгенерированного кода (без while True — sandbox имеет таймаут 30 секунд):
import requests
import time
def process_gesture(gesture):
if gesture == "LEFT":
requests.post("http://192.168.1.100:80/off", timeout=5)
print("Light OFF")
elif gesture == "RIGHT":
requests.post("http://192.168.1.100:80/on", timeout=5)
print("Light ON")
elif gesture == "CLAP":
requests.post(
f"https://api.telegram.org/bot{TELEGRAM_TOKEN}/sendMessage",
json={"chat_id": CHAT_ID, "text": "Обнаружен хлопок!"},
timeout=5
)
print("Telegram sent")
# AI вызывает эту функцию при каждом новом предикте
AI-агент сам определит, как получать данные от bridge (через industrial_command с serial_write_and_read) и как вызывать process_gesture.
Преимущества подхода
- Zero-code интеграция: вам не нужно писать парсеры BLE, обработчики HTTP или Telegram API — AI делает это за секунды.
- Edge AI остаётся на устройстве: нейросеть работает локально на Arduino, а AI-агент только интерпретирует результаты и запускает действия.
- Любой сценарий: хотите логировать все жесты в Google Sheets? AI напишет код с openpyxl и записью в файл. Нужно управлять PLC по Modbus? AI использует pymodbus.
Почему это выгодно
Ручная интеграция TinyML-устройства с облачными сервисами требует: знания BLE-стека, настройки bridge, написания HTTP-клиента, отладки таймаутов. С ASI Biont всё это занимает 5 минут диалога. AI-агент уже знает все библиотеки (pyserial, requests, paho-mqtt) и умеет работать с Hardware Bridge.
Заключение
Arduino Nano BLE Sense открывает мир on-device ML, но без AI-агента его предикты остаются «запертыми» на плате. ASI Biont превращает их в реальные действия: управление домом, уведомления, запись в базы данных. Попробуйте сами — опишите в чате asibiont.com, к какому устройству хотите подключиться, и AI сделает всю интеграцию.
Комментарии