Pesquisadores propõem um método para computação a qualquer momento em redes neurais profundas que processam nuvens de pontos LiDAR, permitindo o escalonamento dinâmico da resolução de entrada para equilibrar a latência de execução e a utilidade do resultado. A abordagem permite que modelos usando pilares ou voxels ajustem a resolução em tempo de execução sem implantar múltiplos modelos distintos.

  • O sistema usa um único modelo DNN que escala dinamicamente a resolução de entrada com base nos requisitos de tempo.
  • Um agendador consciente do prazo prevê o tempo de execução para todas as resoluções possíveis em tempo de execução para selecionar a resolução mais alta viável.
  • Resultados experimentais no conjunto de dados nuScenes mostram melhorias significativas de desempenho em relação às abordagens existentes de computação a qualquer momento.
  • A implantação em um sistema simulado de direção autônoma permite navegação sem colisões, evitando travamentos causados pela complexidade do ambiente.

Este método melhora a adaptabilidade em sistemas ciberfísicos gerenciando eficientemente os recursos computacionais sob restrições operacionais dinâmicas.