Renesas Reality AI Tools® 幫助工程師基於先進的訊號處理技術，來產生和構建 TinyML/Edge AI 模型。使用者可以自動探索感測器數據，並產生最佳化模型。 Reality AI Tools 包含一系列分析功能，可用於找到最佳感測器或最佳感測器組合、感測器佈局，並自動產生組件規格。它還包含完全可解釋的時域/頻域模型函數，以及針對 Arm® Cortex® M/A/R 執行的最佳化程式碼。
相關產品：
以下是 Renesas Reality AI Tools® 的一些技術問答：
Q1：Reality AI Tools® 是否支援使用者自訂 AI 模型，並可快速配置？
答：eAI 的模型由客戶自訂和訓練，而 RAI 模型無法自訂。
Q2：Reality AI 的模型訓練在哪裡進行？
答：Reality AI 的模型訓練通常在雲端進行。如果使用 Edge AI 或 DRP，開發者可以選擇在本地 PC 上訓練，也可以自行在雲端訓練。雲端平台為 MCU 的 AI 訓練提供相應的演算法，而 MPU 的 AI 訓練則可以根據需要在 PC 端、雲端或伺服器端進行。
Q3：如果 AI 模型配置到終端設備後需要微調或更新，Reality AI Tools® 有哪些對應的工具和流程？
答：e2studio 可以直接連接到 RAI 平台，模型可以直接下載到 e2studio。
Q4：Reality AI Tools® 可以直接在 Renesas MCU/MPU 上進行模型訓練和微調嗎？
答：RAI 無法在 MCU 上進行模型微調。但是，還有其他工具可以滿足此需求。如有需要，您可以聯絡 Renesas 尋求協助。
Q5：Reality AI 即時分析平台如何幫助使用者在 Renesas MCU/MPU 上有效率地進行 AI 開發與排難？
答：在 MCU 上運行 RAI 模型只需呼叫一個函數，簡單又有效率。另外，該模型在特徵提取後具有可視化的決策動機，平台還提供 RAM、FLASH 和運算量等效能資訊。
Q6：如何在 Reality AI Tools® 中進行 AI 模型的可視化調試和效能分析？
答：該模型在特徵提取後具有可視化的決策動機。在效能分析方面，平台會提供 RAM/FLASH/運算量等資訊。
Q7：Reality AI Tools® 支援哪些主流的 AI 框架進行模型轉換？
答：支援 PyTorch、Keras、TensorFlow 和 TensorFlow Lite。
Q8：Reality AI Tools® 是否支援自動程式碼產生以簡化 MCU/MPU 程式設計？
答：模型匯出後運行只需呼叫函數，程式設計相對簡單。但是，由於許多感測器是外置的，因此無法產生與感測器相關的代碼。
Q9：Reality AI Tools® 支援哪些開發環境？
答：目前主要支援 CS+ 和 e2studio。對 IAR、Keil 等編譯器的支援正在逐步推廣。
Q10：Reality AI Tools® 能否涵蓋整個產品開發生命週期？
答：可以。
Q11：Reality AI Tools® 提供哪些具體的開發功能來加速 AI 應用的開發週期？
答：涵蓋數據審核、模型訓練、模型配置和模型最佳化（模型通道、尺寸最佳化、取樣率最佳化）。
Q12：Reality AI Tools® 使用是否要收費？
答：目前該工具是付費的，具體費用視具體情況而定。
Q13：Renesas 的邊緣 AI 是在雲端訓練，然後配置到本地嗎？
答：是的。 MCU 可以在雲端進行訓練，MPU 則可以根據自身需求在雲端、PC 端或伺服器端進行訓練。訓練好的模型隨後配置到邊緣端。
Q14：Reality AI Tools® 的解決方案是否適用於小型 MCU？
答：是的，適用。它可以在 RL78 16 位元 MCU 上運行，並且訓練好的模型佔用的資源非常少。