XIAOML Kit พร้อม ESP32-S3, กล้อง, ไมโครโฟน และ IMU ออกแบบมาสำหรับหนังสือ Machine Learning Systems

XIAOML Kit เป็นหนึ่งในชุดพัฒนา (devkit) ที่ออกแบบมาเพื่อใช้ประกอบหนังสือ “Introduction to Machine Learning Systems” ของศาสตราจารย์ Vijay Janapa Reddi จากมหาวิทยาลัยฮาร์วาร์ด ซึ่งเปิดให้ดาวน์โหลดฟรีในรูปแบบไฟล์ PDF จำนวน 2,050 หน้า

XIAOML Kit ผลิตโดย Seeed Studio ประกอบด้วยบอร์ด XIAO ESP32S3 Sense ที่ใช้ชิป ESP32-S3 ซึ่งรองรับ Wi-Fi และ Bluetooth, ช่องใส่ microSD card, กล้อง OV3660 และไมโครโฟนในตัว พร้อมด้วย “IMU Breakout board” ที่มี IMU แบบ 6 แกน และจอแสดงผล OLED ขนาด 0.42 นิ้ว ชุดนี้ช่วยให้นักเรียน ครู และนักพัฒนาสามารถสร้างแอปพลิเคชันด้านการมองเห็น เสียง และการตรวจจับการเคลื่อนไหวได้ โดยใช้ tinyML lab ที่พัฒนาร่วมกับ Marcelo Rovai (มหาวิทยาลัย UNIFEI)

สเปคของ XIAOML Kit:

Main Board – XIAO ESP32S3 Sense
- SoC – Espressif Systems ESP32-S3R8 เป็นไมโครคอนโทรลเลอร์ Tensilica LX7 แบบ dual-core @ 240 MHz พร้อม 512 KB SRAM, 8MB PSRAM, Wi-Fi 4 & Bluetooth 5.0 dual-mode (Classic + BLE)
- ที่เก็บข้อมูล – Flash 8MB, microSD card slot
- สายอากาศ – สายอากาศแบบ u.FL สำหรับต่อสายภายนอก
- USB – พอร์ต USB Type-C สำหรับจ่ายไฟและเขียนโปรแกรม
Expansion Board – IMU Breakout Board
- จอแสดงผล – OLED ขนาด 0.42 นิ้ว ใช้ไอซีควบคุม SSD1315
- เซนเซอร์ – IMU แบบ 6 แกน รุ่น LSM6DS3TR-C
- การเชื่อมต่อ – Headers และขา pogo เชื่อมต่อกับบอร์ด XIAO ESP32S3
- อื่น ๆ – ปุ่มรีเซ็ต, Header แบตเตอรี่
แหล่งจ่ายไฟ
- 5V ผ่านพอร์ต USB Type-C
- แบตเตอรี่ 3.7V เชื่อมต่อผ่านคอนเนกเตอร์บน IMU Breakout Board
ขนาด – 21 x 17.8 x 30 มม.
น้ำหนัก – 10.6 กรัม

ชุดคิทเต็มรูปแบบประกอบด้วย XIAO ESP32-S3 Sense ที่มี header บัดกรีมาให้เรียบร้อย, บอร์ด IMU Breakout, สายอากาศ FPC ย่าน 2.4GHz (1.16dBi), ฮีตซิงก์ 2 ชิ้น (ไม่แน่ชัดว่าใช้ทำไม), และชุดเครื่องมือ MicroSD ซึ่งประกอบด้วย SanDisk microSD card 32GB, ตัวแปลง USB Type-C to USB Type-A, และสาย USB Type-A to Type-C ยาว 20 ซม.

บทเรียนที่ออกแบบมาสำหรับ XIAOML Kit โดยเฉพาะสามารถหาได้จากไฟล์ PDF หรือเว็บไซต์ของหนังสือโดยตรง โดยมีแบบฝึกหัดทั้งหมด 4 หัวข้อ ได้แก่ การจำแนกรูปภาพและการตรวจจับวัตถุด้วยกล้อง, การตรวจจับคำสำคัญด้วยไมโครโฟนในตัว, การจำแนกการเคลื่อนไหวและตรวจจับความผิดปกติด้วย IMU

ตามที่กล่าวไว้ในบทนำ XIAOML Kit เป็นเพียงหนึ่งในแพลตฟอร์มฮาร์ดแวร์ที่ใช้ประกอบหนังสือ Introduction to Machine Learning Systems เท่านั้น โดยยังมีบอร์ดอื่น ๆ ที่ใช้ร่วมกัน เช่น Raspberry Pi 4, 5, และ Zero 2 W, Arduino Nicla Vision และโมดูลกล้อง Grove Vision AI V2 ซึ่งแต่ละตัวก็มีจุดเด่นและจุดด้อยต่างกันไปตามที่แสดงไว้ในตารางด้านล่าง (เรายังไม่เข้าใจนักว่าทำไมระบบนิเวศของ Raspberry Pi จึงไม่เหมาะสำหรับใช้งานจริงในระดับการผลิต คงต้องลองอ่านหนังสือดูเองถึงจะเข้าใจ…)