Arduino Nano 33 BLE Sense Rev2
내장 센서를 이용해 움직임·음향·환경 패턴을 수집하는 입문 실험 후보. 추론 전에 센서 샘플링과 메모리 예산을 확인합니다.
Arduino 보드 문서 ↗DESIGN GUIDE · 2026-09-27 공식 자료 확인
모델은 어디서 돌리고,
기기는 어떻게 연결할까?
On-device AI는 기기 안에서 추론을 실행하는 설계 문제입니다. Matter는 호환되는 스마트홈 기기의 데이터 모델과 연결 절차를 설계하는 문제입니다. 목표, 메모리, 전력, 무선 방식, 시험 조건을 먼저 정하세요.
1 · 사용 사례에서 출발
아래 선택은 시작 후보를 좁히는 교육용 안내입니다. 정확한 칩의 RAM·플래시·인터페이스·무선 지원과 공급 여부는 선택한 보드의 최신 데이터시트로 검증하세요.
2 · On-device AI 구현 경로
① 문제·데이터무엇을 언제 감지할지 정하고 실제 환경의 정상·예외 데이터를 모읍니다. 라벨, 편향, 개인정보를 점검합니다.
② 모델 학습훈련/검증/시험 집합을 분리합니다. 정확도만이 아니라 오탐·미탐과 입력 전처리 비용을 기록합니다.
③ 기기 변환양자화 후 타깃 런타임의 연산 지원과 모델 저장 공간, RAM 피크, 입출력 텐서를 확인합니다.
④ 보드 실측지연·에너지·메모리를 실기기에서 재고 현장 데이터로 재시험합니다. 버전과 롤백을 관리합니다.
작은 MCU에는 LiteRT for Microcontrollers 같은 런타임, 데이터 수집부터 배포까지의 실습에는 Edge Impulse 워크플로를 살펴볼 수 있습니다. 보드별 지원 여부와 라이선스는 공식 문서를 확인하세요.
Raspberry Pi 5 + AI HAT+
AI HAT+ 13/26 TOPS, AI HAT+ 2 40 TOPS 제품군을 공식 문서에서 비교합니다. TOPS 수치만으로 응용 지연이나 모델 호환성을 보장하지 않습니다.
Raspberry Pi AI HAT+ ↗Jetson Orin Nano Super
비전 파이프라인 후보. 공식 발표의 최대 67 TOPS는 특정 소프트웨어 및 전력 조건의 성능 표기입니다. 실제 모델의 FPS, 발열, 전원과 총 비용을 측정합니다.
NVIDIA 개발 키트 ↗모델 선택 기록표
입력 크기·샘플링 빈도 / 모델 파일 크기 / RAM 최고치 / 추론 지연 p50·p95 / 평균 및 피크 전력 / 데이터 범위 / 오탐·미탐 비용 / 업데이트와 롤백. 보드 후보를 바꾸어도 같은 시험 조건으로 비교하세요.
Google AI Edge LiteRT Microcontrollers ↗ · Edge Impulse 공식 문서 ↗2026 기술 점검 · 무엇이 달라졌나
CSA 공개 사양 목록에서 Matter 1.6.1의 Core·Application Clusters·Device Type Library를 확인할 수 있습니다. Matter 1.6의 설정·다중 생태계·상황 기반 제어 개선을 설계 검토표에 반영하고, 구현 기능은 각 플랫폼의 지원 현황과 시험 결과로 따로 확인하세요.
MCU 추론에는 LiteRT for Microcontrollers의 지원 연산과 메모리 한계를 먼저 살피고, Edge Impulse의 데이터 수집·배포 흐름을 비교하세요. 학습 모델의 정확도만으로 배포를 결정하지 말고 실제 보드에서 RAM 최고치, 지연, 전력, 실패 시 동작을 측정해야 합니다.
3 · Matter 기기 설계
CSA의 공개 사양 목록에는 Matter 1.6.1 Core, Application Clusters, Device Type Library가 게시되어 있습니다. 제품이 지원하는 버전과 장치 유형, 실제 생태계 지원 범위는 개별적으로 확인합니다.
① 장치 모델Node 안에 Endpoint를 두고 장치 유형에 맞는 Cluster, Attribute, Command, Event를 정합니다. 예: 온도 센서 → 온도 측정.
② 네트워크Thread 또는 Wi-Fi 경로, Border Router 필요 여부, IPv6 네트워크, 전원 예산을 결정합니다. Bluetooth LE는 커미셔닝에 쓰일 수 있습니다.
③ 커미셔닝QR/설정 코드, 장치 증명, 운영 자격 증명, 패브릭 추가, 관리 권한과 초기화를 시험합니다. 비밀 키의 보관·공장 주입을 설계합니다.
④ 상호운용성복수 컨트롤러, 재연결, 상태 보고, OTA, 장애·전원 복구를 테스트합니다. 인증 요구사항과 최신 테스트 도구를 확인합니다.
Arduino Nano Matter
Silicon Labs MGM240S 기반 교육·시제품 후보. Thread와 BLE 설정, 지원 예제 및 실제 핀맵을 확인합니다.
Arduino Nano Matter ↗ESP32-C6 + ESP-Matter
지원 무선 방식, SDK 버전과 예제의 클러스터 구현을 함께 검토합니다. Thread 제품이라면 Border Router도 시험 환경에 포함합니다.
Espressif ESP-Matter ↗Nordic nRF54L15
Matter/Thread를 포함한 다중 프로토콜 제품 후보. 하드웨어, SDK, 인증 경로와 메모리 규모를 최신 자료에서 확인합니다.
Nordic 제품 정보 ↗4 · 둘을 합친 예제: 소리 기반 상태 감지 노드
센서 · 추론
마이크로 현장 소리를 수집해 “정상/이상”을 기기 안에서 분류합니다. 원본 오디오를 전송할지, 추론 결과만 공유할지 개인정보와 요구사항으로 결정합니다.
표현 · 통신
“이상”이라는 맞춤 상태가 표준 Matter 장치 유형/클러스터와 어떻게 대응하는지 먼저 사양에서 검토합니다. 단순히 임의 값을 표준 온도 클러스터에 넣지 않습니다.
검증 · 출시
AI 결과의 오탐/미탐과 통신 지연을 따로 측정합니다. 연결 장애 때 로컬 동작을 정의하고, 모델/펌웨어 변경 후 상호운용성을 재시험합니다.