研究者らは、LiDAR点雲を処理するディープニューラルネットワークにおける anytime computing の手法を提案し、実行レイテンシと結果の有用性のバランスを取るために動的な入力解像度スケーリングを可能にしました。このアプローチにより、ピラーやボクセルを使用するモデルは、複数の異なるモデルを展開することなく、ランタイムで解像度を調整できます。

  • システムは、タイミング要件に基づいて入力解像度を動的にスケーリングする単一のDNNモデルを使用します。
  • デッドライン対応スケジューラは、ランタイムですべての可能な解像度の実行時間を予測し、実行可能な最高解像度を選択します。
  • nuScenesデータセットでの実験結果は、既存の anytime computing 手法と比較して大幅なパフォーマンス向上を示しています。
  • 模擬自律走行システムへの展開により、環境の複雑さに起因するストールを回避しながら衝突のないナビゲーションを可能にしました。

この手法は、動的な運用制約下で計算資源を効率的に管理することで、サイバー物理システムの適応性を向上させます。