論文の概要: GAP9Shield: A 150GOPS AI-capable Ultra-low Power Module for Vision and Ranging Applications on Nano-drones
- arxiv url: http://arxiv.org/abs/2407.13706v1
- Date: Thu, 27 Jun 2024 11:41:39 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-22 08:07:30.738998
- Title: GAP9Shield: A 150GOPS AI-capable Ultra-low Power Module for Vision and Ranging Applications on Nano-drones
- Title（参考訳）: GAP9Shield:150GOPSのAI対応超低電力モジュール
- Authors: Hanna Müller, Victor Kartsch, Luca Benini,
- Abstract要約: GAP9Shieldは、GAP9を動力とするナノドロンのモジュールである。
このシステムには、高解像度撮像用の5MP OV5647カメラ、WiFi-BLE NINAモジュール、および5D VL53L1ベースのレンジングサブシステムが含まれる。
GAP9Shieldは、同じターゲットの最先端システムと比較して20%高いサンプルレート(RGB画像)を提供し、20%の重量削減を提供する。
- 参考スコア（独自算出の注目度）: 12.436348876429367
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The evolution of AI and digital signal processing technologies, combined with affordable energy-efficient processors, has propelled the development of both hardware and software for drone applications. Nano-drones, which fit into the palm of the hand, are suitable for indoor environments and safe for human interaction; however, they often fail to deliver the required performance for complex tasks due to the lack of hardware providing sufficient sensing and computing performance. Addressing this gap, we present the GAP9Shield, a nano-drone-compatible module powered by the GAP9, a 150GOPS-capable SoC. The system also includes a 5MP OV5647 camera for high-definition imaging, a WiFi-BLE NINA module, and a 5D VL53L1-based ranging subsystem, which enhances obstacle avoidance capabilities. In comparison with similarly targeted state-of-the-art systems, GAP9Shield provides a 20% higher sample rate (RGB images) while offering a 20% weight reduction. In this paper, we also highlight the energy efficiency and processing power capabilities of GAP9 for object detection (YOLO), localization, and mapping, which can run within a power envelope of below 100 mW and at low latency (as 17 ms for object detection), highlighting the transformative potential of GAP9 for the new generation of nano-drone applications.
- Abstract（参考訳）: AIとデジタル信号処理技術の進化と安価なエネルギー効率のプロセッサが組み合わさって、ドローンアプリケーションのためのハードウェアとソフトウェアの開発を推進している。
手のひらに収まるナノドロンは、室内環境に適しており、人間との相互作用にも適しているが、ハードウェアが不足しているため、複雑なタスクに必要な性能が得られないことが多い。
このギャップに対処するため、150GOPS対応のSoCであるGAP9を動力とするナノドロンのモジュールであるGAP9Shieldを提示する。
このシステムには、高解像度撮像のための5MP OV5647カメラ、WiFi-BLE NINAモジュール、障害物回避機能を強化する5D VL53L1ベースのレンジサブシステムが含まれる。
GAP9Shieldは、同じターゲットの最先端システムと比較して20%高いサンプルレート(RGB画像)を提供し、20%の重量削減を提供する。
本稿では,物体検出(YOLO),局所化,マッピングにおいてGAP9のエネルギー効率と処理能力を強調し,100mW未満の電力エンベロープ内および低レイテンシ(オブジェクト検出では17ms)で動作可能であり,新しい世代のナノドロンのアプリケーションにおいてGAP9の変換ポテンシャルを強調した。
関連論文リスト
- Training on the Fly: On-device Self-supervised Learning aboard Nano-drones within 20 mW [52.280742520586756]
ナノドローンのような小さな機械学習(TinyML)を利用した小型サイバー物理システム(CPS)は、ますます魅力的な技術になりつつある。
単純な電子回路はこれらのCPSを安価にすることができるが、計算、メモリ、センサーの資源を著しく制限する。
本稿では,ナノドロンの限られた超低消費電力資源にのみ依存する,オンデバイスファインチューニング手法を提案する。
論文 参考訳（メタデータ） (2024-08-06T13:11:36Z) - Tiny-PULP-Dronets: Squeezing Neural Networks for Faster and Lighter Inference on Multi-Tasking Autonomous Nano-Drones [12.96119439129453]
この研究は、ナノドロンの自律ナビゲーションのためのステート・オブ・ザ・アート畳み込みニューラルネットワークであるPULP-Dronetから、モデルサイズを1桁以上圧縮する新しい手法であるTiny-PULP-Dronetへと移行した。
この大規模な削減は、高レベルのインテリジェンスを達成するための基本的な要件であるナノドロンの安価なマルチタスクへの道を開く。
論文 参考訳（メタデータ） (2024-07-02T16:24:57Z) - A Deep Learning-based Pest Insect Monitoring System for Ultra-low Power Pocket-sized Drones [1.7945764007196348]
スマート農業と精密農業は、効率的で持続可能な農業のためのゲームチェンジャー技術である。
小型のパームサイズのドローンは、作物を検査する柔軟なスマートセンサーとして機能し、害虫の早期発生の兆候を探すことができる。
この研究は、2つの超低消費電力のSystem-on-Chipsを備えた新しい垂直統合ソリューションを提案する。
論文 参考訳（メタデータ） (2024-04-02T10:39:54Z) - High-throughput Visual Nano-drone to Nano-drone Relative Localization using Onboard Fully Convolutional Networks [51.23613834703353]
相対的なドローンとドローンのローカライゼーションは、どんなSwarm操作でも基本的なビルディングブロックである。
我々は、新しいビジョンベース完全畳み込みニューラルネットワーク(FCNN)に基づく垂直統合システムを提案する。
その結果,水平画像座標で32～47%,垂直画像座標で18～55%,実世界の30k画像のデータセットでR2乗改善が得られた。
論文 参考訳（メタデータ） (2024-02-21T12:34:31Z) - A Heterogeneous RISC-V based SoC for Secure Nano-UAV Navigation [40.8381466360025]
ナノUAVは高度な計算能力を必要とする一方で、大きな電力とペイロードの制約に直面している。
9mm2200mWシステム・オン・ア・チップ(SoC)のShaheenについて紹介する。
Linux対応のRV64コアと、v1.0の承認されたハイパーバイザ拡張と、低コストで低消費電力のメモリコントローラを統合している。
同時に、汎用DSP向けに最適化されたRV32コアの完全プログラム可能なエネルギー効率と面積効率のマルチコアクラスタを統合している。
論文 参考訳（メタデータ） (2024-01-07T16:03:47Z) - Flexible and Fully Quantized Ultra-Lightweight TinyissimoYOLO for
Ultra-Low-Power Edge Systems [13.266626571886354]
我々は最先端の超低消費電力極端プラットフォームにTinyissimoYOLOの変種をデプロイする。
本稿では, 遅延, エネルギー効率, ワークロードを効率的に並列化する能力について比較する。
論文 参考訳（メタデータ） (2023-07-12T08:26:27Z) - Ultra-low Power Deep Learning-based Monocular Relative Localization
Onboard Nano-quadrotors [64.68349896377629]
この研究は、2つのピアナノドロンのディープニューラルネットワーク(DNN)を介して、単分子の相対的な局所化に対処する、新しい自律的なエンドツーエンドシステムを示す。
超制約ナノドローンプラットフォームに対処するため,データセットの増大,量子化,システム最適化などを含む垂直統合フレームワークを提案する。
実験の結果,DNNは低分解能モノクローム画像のみを用いて最大2mの距離で10cmのターゲットナノドローンを正確に局在させることができることがわかった。
論文 参考訳（メタデータ） (2023-03-03T14:14:08Z) - Deep Neural Network Architecture Search for Accurate Visual Pose
Estimation aboard Nano-UAVs [69.19616451596342]
小型無人航空機(UAV)は、新興かつトレンドのトピックである。
我々は、新しいニューラルネットワーク探索(NAS)技術を活用し、視覚的ポーズ推定タスクのために複数の畳み込みニューラルネットワーク(CNN)を自動的に識別する。
その結果,10Hz@10mWおよび50Hz@90mWの実時間オンボード推算速度を達成しつつ,フィールド内制御誤差を32%低減し,現状を改善できた。
論文 参考訳（メタデータ） (2023-03-03T14:02:09Z) - Robustifying the Deployment of tinyML Models for Autonomous
mini-vehicles [61.27933385742613]
本稿では,ループ内環境を含む自動運転ミニ車両を対象とした閉ループ学習フローを提案する。
我々は、小型CNNのファミリーを利用してミニ車両を制御し、コンピュータビジョンアルゴリズム、すなわち専門家を模倣してターゲット環境で学習する。
CNNのファミリを実行する場合、我々のソリューションはSTM32L4とk64f(Cortex-M4)の他の実装よりも優れており、レイテンシを13倍以上削減し、エネルギー消費を92%削減する。
論文 参考訳（メタデータ） (2020-07-01T07:54:26Z) - DepthNet Nano: A Highly Compact Self-Normalizing Neural Network for
Monocular Depth Estimation [76.90627702089357]
DepthNet Nanoは、人間の機械の共同設計戦略を用いて設計された単眼深度推定のためのコンパクトなディープニューラルネットワークである。
提案したDepthNet Nanoは、最先端のネットワークで同等の性能を保ちながら、高い効率のネットワークアーキテクチャを持っている。
論文 参考訳（メタデータ） (2020-04-17T00:41:35Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。