基于混合精度量化神经网络在商用可重构MPSoC上的实时航天器姿态估计
计算机视觉与模式识别
2024-07-09 v1 人工智能
硬件体系结构
摘要
本文提出了一种开创性的实时航天器姿态估计方法，利用在商用Xilinx MPSoC的FPGA组件上实现的混合精度量化神经网络，该器件以其在空间应用中的适用性而闻名。我们的协同设计方法包括一种新颖的评估技术，用于评估逐层神经网络对量化的敏感性，从而在精度、延迟和FPGA资源利用率之间实现最佳平衡。利用FINN库，我们开发了一个定制的FPGA数据流加速器，该加速器集成了片上权重和激活函数，以最大限度地减少延迟和能耗。我们的实现比现有航天器姿态估计文献中报告的最佳值快7.7倍，能效高19.5倍。此外，我们的贡献包括此类算法的首个实时、开源实现，这标志着在使高效航天器姿态估计算法广泛可用方面取得了重大进展。源代码可在https://github.com/possoj/FPGA-SpacePose获取。
引用
@article{arxiv.2407.06170,
title = {Real-Time Spacecraft Pose Estimation Using Mixed-Precision Quantized Neural Network on COTS Reconfigurable MPSoC},
author = {Julien Posso and Guy Bois and Yvon Savaria},
journal= {arXiv preprint arXiv:2407.06170},
year = {2024}
}
备注
Accepted at IEEE NEWCAS 2024