Aplicación de modelos de inteligencia artificial en el microcontrolador Arduino Nano 33 BLE Sense

El trabajo aborda el diseño, entrenamiento y despliegue de una red neuronal capaz de reconocer comandos de voz en tiempo real sobre el microcontrolador Arduino Nano 33 BLE Sense Rev2, utilizando exclusivamente sus recursos de cómputo y el micrófono MEMS integrado. El proyecto se enmarca en el paradigma TinyML y computación en el borde (edge computing) donde los modelos de aprendizaje automático se ejecutan localmente en dispositivos de muy bajo consumo, reduciendo la latencia, la dependencia de la nube y mejorando la privacidad y la seguridad al prescindir del envío continuo de datos. Para ello, se desarrolla un flujo completo que incluye la adquisición de audio a 16 kHz mediante la librería PDM.h, la conversión de la señal PDM a PCM y un preprocesado exhaustivo basado en coeficientes cepstrales en frecuencia Mel (MFCC), con una configuración optimizada de ventanas, transformada rápida de Fourier y bancos de filtros Mel, así como la posterior generación y despliegue del modelo en la propia placa. Este enfoque permite transformar las señales de audio crudas en representaciones compactas y discriminativas adecuadas para su clasificación eficiente en un entorno con recursos muy restringidos, alcanzando una reducción de datos del orden de 25:1 entre la señal de entrada y el vector de características utilizado por la red neuronal. El proyecto profundiza en la herramienta de alto nivel Edge Impulse para la captura y etiquetado de datos, la extracción de características, el diseño de la red, el entrenamiento supervisado, la evaluación y, finalmente, la optimización y cuantización del modelo, generando después el código necesario para ejecutarlo con TensorFlow Lite Micro en el entorno Arduino. El modelo se basa en una red neuronal convolucional 2D ligera que opera sobre matrices de MFCC de 50 × 13, formada por dos capas convolucionales consecutivas de 8 filtros con kernel 3 × 3 y activación ReLU, cada una seguida de capas de max pooling 2 × 2 y dropout al 25%, seguida por una capa flatten de 416 elementos, una capa densa intermedia de 32 neuronas con activación ReLU y una capa de salida softmax de 5 neuronas. Como demostración práctica, el sistema se integra en una aplicación de control de un motor mediante comandos de voz, validando que es posible ejecutar modelos de inteligencia artificial de forma autónoma y con baja latencia en hardware de recursos muy limitados. Además, el documento describe con detalle el flujo de trabajo, las decisiones de diseño adoptadas, las métricas de rendimiento obtenidas y las principales limitaciones detectadas, de modo que pueda servir como guía técnica y punto de partida para futuros proyectos de reconocimiento de audio en sistemas embebidos y, en general, para el desarrollo de soluciones TinyML en aplicaciones reales.