NeuroFlow: Development of lightweight and efficient model integration scheduling strategy for autonomous driving system

要約

本稿では、自動運転技術の革新的な進歩を目指し、自動車システム特有の制約や特性を考慮した、特化した自動運転システムを提案します。
提案するシステムは、自動運転における複雑なデータフローを体系的に分析し、深層学習モデルに影響を与えるさまざまな要因を動的に調整する機能を提供します。
さらに、深層学習モデルに依存しないアルゴリズムの場合、システムはフローを分析してリソース割り当ての優先順位を決定します。
基本的に、システムはデータ フローとスケジュールを効率的に最適化し、リアルタイムのパフォーマンスと安全性を確保します。
提案されたシステムは実際の自動運転車に実装され、さまざまな運転シナリオにわたって実験的に検証されました。
この実験結果は、システムの安定した推論と自動運転車の効果的な制御の証拠を提供し、自動運転システムの開発における重要な転換点を示しています。

要約(オリジナル)

This paper proposes a specialized autonomous driving system that takes into account the unique constraints and characteristics of automotive systems, aiming for innovative advancements in autonomous driving technology. The proposed system systematically analyzes the intricate data flow in autonomous driving and provides functionality to dynamically adjust various factors that influence deep learning models. Additionally, for algorithms that do not rely on deep learning models, the system analyzes the flow to determine resource allocation priorities. In essence, the system optimizes data flow and schedules efficiently to ensure real-time performance and safety. The proposed system was implemented in actual autonomous vehicles and experimentally validated across various driving scenarios. The experimental results provide evidence of the system’s stable inference and effective control of autonomous vehicles, marking a significant turning point in the development of autonomous driving systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google