用于自主纳米无人机、功耗 64mW 的基于 DNN 的视觉导航引擎

具备基于人工智能(AI)的视觉导航能力的全自主微型机器人(如无人机)是物联网边缘智能能力的极具挑战性的驱动因素。基于 AI 方法(如深度神经网络(DNNs))的视觉导航在标准尺寸无人机中正变得普遍,但被认为对于面积为几 cm${}^\mathrm{2}$ 的纳米无人机而言遥不可及。在本工作中,我们展示了(据我们所知)首个能够闭环端到端基于 DNN 视觉导航的自主纳米无人机导航引擎演示。为实现该目标,我们开发了一种直接在毫瓦级资源受限节点上并行执行复杂 DNN 的完整方法。我们的系统基于 novel 并行超低功耗计算平台 GAP8 和 27 g 商用开源 CrazyFlie 2.0 纳米四旋翼。作为我们通用方法的一部分,我们讨论了软件映射技术,使 [1] 中提出的最先进深度卷积神经网络能够在严格的 6 fps 实时约束下完全在机载执行,且在飞行结果方面无折损,而所有处理平均仅消耗 64 mW。我们的导航引擎灵活,可用于覆盖广泛的性能范围:在其峰值性能点可实现 18 fps,同时平均仅消耗所部署纳米飞行器功率包络的 3.5%。