يقترح الباحثون طريقة للحوسبة في أي وقت (anytime computing) في الشبكات العصبية العميقة التي تعالج سحب النقاط الخاصة بـ LiDAR، مما يتيح قياس مقياس ديناميكي لدقة الإدخال لموازنة زمن التنفيذ وفائدة النتائج. يسمح النهج للنماذج التي تستخدم الأعمدة أو الفوكسلات بضبط الدقة أثناء التشغيل دون نشر نماذج متعددة مميزة.
- يستخدم النظام نموذج DNN واحدًا يقيس دقة الإدخال ديناميكيًا بناءً على متطلبات التوقيت.
- يقوم مخطط واعٍ بالموعد النهائي بتوقع وقت التنفيذ لجميع الدقات الممكنة أثناء التشغيل لاختيار أعلى دقة قابلة للتنفيذ.
- أظهرت النتائج التجريبية على مجموعة بيانات nuScenes تحسينات كبيرة في الأداء مقارنة بأساليب الحوسبة في أي وقت الحالية.
- يتيح النشر في نظام قيادة ذاتي محاكي ملاحة خالية من التصادم مع تجنب التعثرات الناتجة عن تعقيد البيئة.
تحسن هذه الطريقة القدرة على التكيف في الأنظمة السيبرانية الفيزيائية من خلال إدارة الموارد الحسابية بكفاءة تحت قيود تشغيلية ديناميكية.