利用 TinyML 能力在边缘端实现无人机节能推理
机器学习
2021-12-01 v1 机器人学
摘要
近年来，无人机（UAV）的数量急剧增长。无人机能够以可靠且经济的方式完成复杂或危险的任务，但仍受功耗问题的限制，这对飞行时长及高能耗任务的完成造成了严重制约。若能以节能方式为无人机提供先进的决策能力，将极具价值。本文提出一种利用边缘深度学习的实用解决方案。所开发的系统将 OpenMV 微控制器集成到 DJI Tello 微型飞行器（MAV）中。该微控制器承载一组支持机器学习的推理工具，这些工具协同控制无人机导航并完成给定任务目标。该方法旨在借助 OpenMV 利用 TinyML 的新兴特性，包括离线推理、低延迟、能效与数据安全性。该方法在一个实际应用中得到成功验证，该应用为在拥挤环境中机载检测佩戴口罩的人员。
引用
@article{arxiv.2111.15481,
title = {Energy-Efficient Inference on the Edge Exploiting TinyML Capabilities for UAVs},
author = {Wamiq Raza and Anas Osman and Francesco Ferrini and Francesco De Natale},
journal= {arXiv preprint arXiv:2111.15481},
year = {2021}
}