MIMONet：多输入多输出端侧深度学习

未来的智能机器人有望像人类一样同时处理多种输入（如图像与音频数据）并相应生成多种输出（如性别与情绪）。近期研究表明，多输入单输出（MISO）深度神经网络（DNN）优于传统的单输入单输出（SISO）模型，是迈向该目标的重要一步。本文提出MIMONet，一种新颖的端侧多输入多输出（MIMO）DNN框架，在延迟、能耗与内存占用等关键性能指标上实现高精度与端侧高效性。利用现有SISO模型压缩技术，MIMONet开发了一种专为MIMO模型定制的新深度压缩方法。该新方法探索了MIMO模型独特而非平凡的性质，从而提升了精度与端侧效率。在机器人系统常用的三个嵌入式平台以及使用TurtleBot3机器人的案例研究上的大量实验表明，与最先进的SISO、MISO模型以及我们构建的基线MIMO模型相比，MIMONet实现了更高精度与更优端侧效率。我们的评估凸显了MIMONet的实际适用性及其显著提升智能机器人系统性能的潜力。