近日，美國能源部（DoE）旗下的阿貢國家實驗室(Argonne National Laboratory)取得了一項運用于遠端感測的統(tǒng)包式(turn-key)物聯(lián)網(IoT)技術突破；這種“Waggle”概念──在芝加哥的“Array of Things”智慧城市專案中進行了兩年測試──終于可以導入智慧工業(yè)與政府傳感器陣列中。
Waggle的突破在于其“邊緣運算（edge computing）”硬件與圖案識別軟件，能以機器學習在將現(xiàn)場圖像及音頻資料傳輸至云端之前進行“預處理（pre-process）”；能源部指出，由阿貢實驗室打造的無線環(huán)境感測平臺，是全球第一個統(tǒng)包式邊緣運算方案，可通過傳輸經過識別的事件到云端、而非原始資料，而大幅減少大數(shù)據（Big Data）問題。
此外其子板（daughter-board）架構，允許任何一種傳感器陣列安裝到“傳感器網絡邊緣（sensor-net edge）”裝置，因此能利用機器學習來識別幾乎所有東西。
阿貢實驗室舉辦了為期兩天的技術研討會，吸引產官學界對Waggle平臺有興趣的50多位工程師參加，包括來自美國太空總署（NASA）、美國環(huán)保署（EPA）、Honeywell、Bosch、美國德州大學達拉斯分校（University of Texas-Dallas），以及奧勒岡州波特蘭市（Portland）的代表。
Waggle節(jié)點能以輪詢（polling）或自動（automatic）模式運作（或兩者同時），讓科學家們能從讀取在云端紀錄、預先識別的資料開始，或是即時輪詢無線節(jié)點以取得目前狀態(tài)的資料──可以是原始資料或是經過預先識別的。
目前Waggle被運用于亞馬遜叢林的森林砍伐研究，以及改善載人太空任務的空氣品質，還有增進我們對環(huán)境、人類健康（例如花粉與氣喘疾病之間的關聯(lián)性）等研究的了解。
Waggle的機器學習功能可用以識別鳥類、汽車、自行車，或是云的各種形狀以及其他環(huán)境現(xiàn)象，例如監(jiān)測廢水的流向；而因為該平臺采用消費性等級傳感器，也能運用于小型化的廉價超低功耗可穿戴式物聯(lián)網裝置。
