Los investigadores proponen un método para computación en cualquier momento en redes neuronales profundas que procesan nubes de puntos LiDAR, permitiendo el escalado dinámico de la resolución de entrada para equilibrar la latencia de ejecución y la utilidad del resultado. El enfoque permite que los modelos que utilizan pilares o voxels ajusten la resolución en tiempo de ejecución sin desplegar múltiples modelos distintos.
- El sistema utiliza un único modelo DNN que escala dinámicamente la resolución de entrada según los requisitos temporales.
- Un programador consciente del plazo predice el tiempo de ejecución para todas las resoluciones posibles en tiempo de ejecución para seleccionar la resolución más alta factible.
- Los resultados experimentales en el conjunto de datos nuScenes muestran mejoras significativas en el rendimiento en comparación con los enfoques existentes de computación en cualquier momento.
- El despliegue en un sistema simulado de conducción autónoma permite una navegación sin colisiones evitando bloqueos causados por la complejidad del entorno.
Este método mejora la adaptabilidad en sistemas ciberfísicos gestionando eficientemente los recursos computacionales bajo restricciones operativas dinámicas.