TinyML: inteligencia artificial dentro de un microcontrolador

Cómo correr modelos de IA en un ESP32 o un RP2040 sin internet: qué se puede hacer, qué no y por dónde empezar.

Cuando pensamos en inteligencia artificial imaginamos servidores enormes. Pero una parte creciente de la IA corre en chips de pocos dólares, sin internet y con baterías. A eso se le llama TinyML: aprendizaje automático en microcontroladores.

Por qué correr IA en el dispositivo

  • Privacidad: los datos (audio, movimiento, imágenes) no salen del dispositivo.
  • Latencia: la respuesta es inmediata, sin esperar a la nube.
  • Consumo: un microcontrolador puede clasificar datos con miliamperios, ideal para equipos con batería.
  • Costo: no hay servidores ni suscripciones.

Qué se puede hacer hoy

  • Reconocer palabras clave ("enciende", "apaga") con un micrófono.
  • Detectar gestos o caídas con un acelerómetro como el MPU-6050.
  • Identificar vibraciones anómalas en motores (mantenimiento predictivo).
  • Clasificar imágenes simples o detectar personas con un ESP32-CAM.

Qué no se puede hacer

Un microcontrolador no corre un modelo de lenguaje como los chatbots: tiene kilobytes de RAM, no gigabytes. TinyML funciona con modelos pequeños y entrenados para una sola tarea concreta.

Cómo es el flujo de trabajo

  • Recolecta datos reales con tu sensor (por ejemplo, 2 minutos de cada gesto).
  • Entrena un modelo en el computador o en una plataforma como Edge Impulse.
  • Cuantiza el modelo (pasarlo de números de 32 bits a 8 bits) para que quepa en la memoria.
  • Despliégalo en la placa con TensorFlow Lite para microcontroladores o la librería que genera la plataforma.
  • Prueba en el mundo real y vuelve a entrenar con los casos que fallen.

Qué placa elegir

  • ESP32: buen equilibrio entre memoria, velocidad y WiFi para enviar solo los resultados.
  • ESP32-S3: incluye instrucciones vectoriales que aceleran redes neuronales.
  • RP2040: económico y fácil de programar; suficiente para clasificar movimiento.
  • ESP32-CAM: el punto de entrada para visión artificial básica.

Proyecto para empezar

Detector de gestos con ESP32 y MPU-6050: graba tres movimientos (círculo, sacudida y quieto), entrena un clasificador y enciende un LED distinto para cada gesto. Es un fin de semana de trabajo y aprendes todo el ciclo.

Productos del artículo