Tiny-PULP-Dronets：为多任务自主纳米无人机加速与轻量化神经网络推理
机器人学
2024-07-03 v1 计算机视觉与模式识别
机器学习
图像与视频处理
摘要
迷你级自主纳米无人机可以革新许多机器人应用场景，如狭窄受限空间的视觉检查，并因其轻小体积和重量（仅几克）而实现更安全的人机交互。然而，这一愿景面临着机载智能需求的挑战，与PULP（并行超低功耗）MCU类导航和任务控制器可用的计算与存储资源不匹配。本工作基于PULP-Dronet——一种用于纳米无人机自主导航的先进卷积神经网络，提出Tiny-PULP-Dronet：一种新方法，通过压缩超过一个数量级的模型规模（参数减少50倍），以及运行推理所需的运算次数（乘加运算减少27倍），以保持类似PULP-Dronet的飞行性能。这种大幅度的减少为纳米无人机实现多任务计算提供了可能，这是实现高级智能的基本要求。
引用
@article{arxiv.2407.02405,
title = {Tiny-PULP-Dronets: Squeezing Neural Networks for Faster and Lighter Inference on Multi-Tasking Autonomous Nano-Drones},
author = {Lorenzo Lamberti and Vlad Niculescu and Michał Barcis and Lorenzo Bellone and Enrico Natalizio and Luca Benini and Daniele Palossi},
journal= {arXiv preprint arXiv:2407.02405},
year = {2024}
}
备注
3 Figures, 1 table. Accepted for publication at IEEE Artificial Intelligence Circuits and Systems (AICAS), 2022