微型机器人学习：资源受限机器人中机器学习的挑战与方向
机器学习
2022-05-13 v1 机器人学
摘要
机器学习（ML）已成为计算系统中普遍使用的工具。一个对 ML 系统设计挑战进行压力测试的新兴应用是微型机器人学习，即在资源受限的低成本自主机器人上部署 ML。微型机器人学习位于嵌入式系统、机器人和 ML 的交叉点，加剧了这些领域的挑战。微型机器人学习面临来自尺寸、重量、面积和功耗（SWAP）约束、传感器/执行器/计算硬件限制、端到端系统权衡以及大量多样可能部署场景的挑战。微型机器人学习要求 ML 模型设计顾及这些挑战，提供了一个揭示整体 ML 系统设计与敏捷开发所需的自动化端到端设计工具必要性的试金石。本文简要综述微型机器人学习领域，详述关键挑战，并为 ML 系统设计的未来工作提出有前景的机遇。
引用
@article{arxiv.2205.05748,
title = {Tiny Robot Learning: Challenges and Directions for Machine Learning in Resource-Constrained Robots},
author = {Sabrina M. Neuman and Brian Plancher and Bardienus P. Duisterhof and Srivatsan Krishnan and Colby Banbury and Mark Mazumder and Shvetank Prakash and Jason Jabbour and Aleksandra Faust and Guido C. H. E. de Croon and Vijay Janapa Reddi},
journal= {arXiv preprint arXiv:2205.05748},
year = {2022}
}
备注
4 pages, 3 figures, 1 table, in IEEE AICAS 2022