【ZiDongHua 之“推好新品榜”收录关键词： 智能手表 微处理器 传感器】
　　
　　BHI385 新品发布 | ±28g 高加速度，打造智能运动追踪新标准
 
　　
　　精确捕捉高达 ±28 g 的动态动作，如重击、挥动和跳跃
　　
　　集成具备自学习能力的 AI，实现本地手势识别——无需依赖云端或预设训练数据
　　
　　搭配 Motion AI Studio 与开放 SDK，可快速在传感器中部署机器学习模型与各类算法
　　
　　超低功耗设计，适用于穿戴式设备与耳戴设备中的持续追踪
　　
　　紧凑且完全可编程的传感器系统，内置处理器
 
　　
　　封装尺寸：2.5 x 3.0 x 0.95 mm³
　　
　　封装类型：20 引脚 LGA
　　
　　测量范围：
　　
　　-(A)：±4g、±8g、±16g、±28g*
　　
　　-(G)：±125°/s、±250°/s、±500°/s、 ±1000°/s、±2000°/s
　　
　　功耗：
　　
　　- Fuser2（运行 CoreMark）：959μA
　　
　　- 长运行模式（20MHz）：2.8mA
　　
　　- 传感器融合（Hub+IMU）运行（计算游戏旋转矢量，800Hz ODR）：1.2mA
　　
　　- 100Hz ODR：1.0mA
　　
　　- 待机电流：8μA
　　
　　【详细产品参数请点击此处查看】
　　
　　01
　　
　　高冲击动作，也能精准识别
　　
　　BHI385可精准捕捉高强度动作，如高尔夫挥杆、网球重击、跳跃等动态行为，加速度范围达 ±28 g，为专业运动分析、健身训练和游戏交互等场景提供强大支持。
　　
　　内建 Bosch 领先的 IMU 技术平台，融合加速度计与陀螺仪，并集成 32 位微处理器与 AI 引擎，为系统构建一套完整、可编程的动作感知系统。
 
　　
　　02
　　
　　AI驱动分析，动作“理解”更进一步
　　
　　BHI385不止是“追踪”动作，更能“理解”用户在做什么、做得如何：
　　
　　►支持 手势识别（单击/双击/三击）
　　
　　►实现 6DoF/9DoF 融合、计步、活动识别等功能
　　
　　►拥有 自学习周期性动作识别能力，可适应不同用户习惯，智能判断动作质量与重复节奏
　　
　　自学习周期性手势识别使其能够识别重复动作模式，并可根据个体差异进行自适应——不仅了解“做了什么”，还能判断“做得如何”。这使其支持更高级的应用场景，如体育或康复训练中的动作质量评估。
　　
　　所有数据处理在本地低功耗 MCU 上完成无需唤醒主机 CPU。在 50 Hz 的传感器融合下，典型电流消耗小于 500 µA；基于加速度计的简单算法功耗甚至低于 50 µA。
　　
　　Stefan Finkbeiner 博士
　　
　　Bosch Sensortec 首席执行官
　　
　　借助 BHI385，我们让穿戴设备超越了基础动作追踪——设备可以直接在本地理解运动强度、重复动作质量以及用户特定的运动模式。
　　
　　BHI385的高能效表现，使其在智能手表、健身手环、头戴式设备等电池续航敏感的产品中具有明显优势。
　　
　　03
　　
　　紧凑、高能效、便于开发者使用
　　
　　Bosch Sensortec 为 BHI385 配备了：
　　
　　►开放 SDK
　　
　　►Motion AI Studio 工具套件
　　
　　开发者可快速训练与部署机器学习模型，实现个性化算法嵌入，加快产品上市进程。
　　
　　BHI385尤其适合用于运动活动追踪、包括技术分析在内的详细动作评估，以及穿戴设备中的嵌入式机器学习处理。其高加速度范围与智能算法也使其非常适合于冲击与碰撞检测，以及通过动作控制实现直观的人机交互。
　　
　　目标设备包括智能手表与健身手环、专业运动穿戴设备（如智能服装）、用于 AR/VR 和音频应用的头戴式设备，以及联网健身或游戏设备。
　　
　　这些设备将受益于 BHI385的紧凑封装设计、嵌入式智能与出色的动作追踪能力。
　　
　　上市时间
　　
　　BHI385将于2025 年第三季度起通过 Bosch Sensortec 全球授权分销合作伙伴正式供货。