연구자들은 LiDAR 포인트 클라우드를 처리하는 딥 뉴럴 네트워크에서 anytime computing 을 위한 방법을 제안하며, 실행 지연 시간과 결과의 유용성 사이의 균형을 맞추기 위해 동적 입력 해상도 스케일링을 가능하게 합니다. 이 접근 방식은 피라미드나 보텍셀을 사용하는 모델이 여러 개의 서로 다른 모델을 배포하지 않고도 런타임에 해상도를 조정할 수 있게 합니다.
- 시스템은 타이밍 요구 사항에 따라 입력 해상도를 동적으로 스케일링하는 단일 DNN 모델을 사용합니다.
- 데드라인 인식 스케줄러는 런타임에서 가능한 모든 해상도에 대한 실행 시간을 예측하여 실행 가능한 가장 높은 해상도를 선택합니다.
- nuScenes 데이터셋에 대한 실험 결과는 기존 anytime computing 접근 방식보다 상당한 성능 개선을 보여줍니다.
- 시뮬레이션된 자율 주행 시스템에 배포함으로써 환경의 복잡성으로 인한 정지를 피하면서 충돌 없는 내비게이션을 가능하게 합니다.
이 방법은 동적 운영 제약 하에서 계산 자원을 효율적으로 관리하여 사이버 물리 시스템의 적응성을 향상시킵니다.