超低功耗自主飞行纳米无人机上完全板载的 AI 驱动人-机姿态估计

人工智能驱动的口袋尺寸空中机器人有潜力革新物联网生态系统，充当自主、不显眼且普适的智能传感器。凭借几 cm$^{2}$ 的体型，纳米级无人飞行器 (UAV) 是室内人-机交互任务的天然选择，正如我们在本工作中所处理的姿态估计任务。然而，该场景受纳米无人机有限的有效载荷与计算能力挑战，其板载处理单元严重受限为低于 100 mW 的微控制器单元级别。我们的工作处于新型并行超低功耗 (PULP) 架构范式与我们面向深度神经网络 (DNN) 视觉流水线（即从感知到控制）的通用开发方法之交叉点。通过解决 DNN 模型设计，从训练与数据集增强到 8-bit 量化与部署，我们展示了纳米无人机上的基于 PULP 的处理器足以实时执行（高达 135 帧/秒）我们称为 PULP-Frontnet 的新型 DNN。我们展示了如何通过缩放模型的存储与计算需求，显著提升板载推理（最高能效 0.43 mJ/帧）而不牺牲相对于资源无约束基线（即全精度 DNN）的结果质量。现场实验展示了仅有 27 克、资源严重受限的 Crazyflie 2.1 纳米四旋翼的闭环一流自主导航能力。与使用理想感知设置所获得的控制性能相比，板载相对姿态推理在绝对误差中位数上取得了优异的无人机表现，如位置误差（板载：41 cm，理想：26 cm）与角度误差（板载：3.7$^{\circ}$，理想：4.1$^{\circ}$）。