Tiny-PULP-Dronets: Squeezing Neural Networks for Faster and Lighter Inference on Multi-Tasking Autonomous Nano-Drones

2024年07月02日
  • 简介
    袖珍的自主纳米无人机可以彻底改变许多机器人使用情景,例如在狭窄、受限空间进行视觉检查,并确保更安全的人机交互,这是由于它们微小的体积和重量(即数十克)。然而,这个迷人的愿景面临着高度智能化的挑战,因为这与PULP(并行超低功耗)MCU类导航和任务控制器上可用的有限计算和存储资源相冲突。本文从PULP-Dronet开始,这是一种用于纳米无人机自主导航的最先进的卷积神经网络。我们介绍了Tiny-PULP-Dronet:一种新的方法,可以将模型大小(参数减少50倍)和所需的操作数量(乘法和累加运算减少27倍)压缩一个数量级以上,以实现类似于PULP-Dronet的推理飞行性能。这种巨大的减少为纳米无人机上的经济多任务铺平了道路,这是实现高级智能的基本要求。
  • 图表
  • 解决问题
    如何在计算和存储资源有限的情况下,实现能够在口袋大小的自主纳米无人机上运行的高级智能算法?
  • 关键思路
    提出一种新的方法,称为Tiny-PULP-Dronet,可以将PULP-Dronet模型大小和操作数量分别减少50倍和27倍,从而实现在纳米无人机上运行高级智能算法。
  • 其它亮点
    使用了State-of-the-Art卷积神经网络PULP-Dronet作为基础,通过新的方法实现了模型大小和操作数量的大幅减少。实验结果表明,Tiny-PULP-Dronet与PULP-Dronet相比,具有类似的飞行性能,但可以在纳米无人机上运行。该方法为实现在纳米无人机上进行多任务提供了可能。
  • 相关研究
    最近的相关研究包括:1)在嵌入式设备上运行深度学习模型的研究;2)在小型无人机上运行高级智能算法的研究。
PDF
原文
点赞 收藏 评论 分享到Link

沙发等你来抢

去评论