日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

自律走行/深度推定arXiv:2604.07286

CADENCE: ナビゲーションと計算効率のための文脈適応型深度推定

CADENCE: Context-Adaptive Depth Estimation for Navigation and Computational Efficiency

シェア:XThreadsFacebookLINEはてブBluesky

自律走行車の組み込み環境向けに、ナビゲーションの必要性と環境文脈に応じて単眼深度推定ネットワークの計算量を動的に調整する適応システムCADENCEを提案し、シミュレーションで消費電力・遅延を削減しつつ航法精度を向上させた。

詳しい要約

1. どんなもの?

- 遠隔環境で動作する自律走行車向けの適応型システム - 単眼深度推定ネットワークの計算複雑度を動的に調整 - ナビゲーション要求と環境コンテキストに応じて知覚精度を変化 - 計算リソースが限られた組み込みプロセッサ上で動作 - 高精度計算をミッションクリティカルな時のみ使用

2. 先行研究と比べてどこがすごい?

- 従来の静的なアプローチと比較して - センサ取得回数を9.67%削減 - 消費電力を16.1%削減 - 推論レイテンシを74.8%削減 - エネルギー消費を75.0%削減 - ナビゲーション精度を7.43%向上

3. 技術・手法の肝は?

- slimmable monocular depth estimation networkを採用 - 知覚忠実度とアクチュエーション要求の間のループを閉じる - ナビゲーションの必要性と環境コンテキストに応じて計算複雑度を適応的にスケール - ミッションクリティカルな状況でのみ高精度計算を実行

4. どうやって有効だと検証した?

- オープンソーステストベッドをリリース - Microsoft AirSimとNVIDIA Jetson Orin Nanoを統合 - 最先端の静的アプローチと比較評価 - センサ取得、電力消費、推論レイテンシ、エネルギー消費、ナビゲーション精度を測定

5. 議論はある?

- 要旨からは不明

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究は明示されていない - 同分野の定番としてmonocular depth estimationやadaptive computationに関する論文が考えられる

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Timothy K Johnsen, Marco Levorato

分類: cs.RO, cs.AI, cs.LG

原文アブストラクト

Autonomous vehicles deployed in remote environments typically rely on embedded processors, compact batteries, and lightweight sensors. These hardware limitations conflict with the need to derive robust representations of the environment, which often requires executing computationally intensive deep neural networks for perception. To address this challenge, we present CADENCE, an adaptive system that dynamically scales the computational complexity of a slimmable monocular depth estimation network in response to navigation needs and environmental context. By closing the loop between perception fidelity and actuation requirements, CADENCE ensures high-precision computing is only used when mission-critical. We conduct evaluations on our released open-source testbed that integrates Microsoft AirSim with an NVIDIA Jetson Orin Nano. As compared to a state-of-the-art static approach, CADENCE decreases sensor acquisitions, power consumption, and inference latency by 9.67%, 16.1%, and 74.8%, respectively. The results demonstrate an overall reduction in energy expenditure by 75.0%, along with an increase in navigation accuracy by 7.43%.

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  4. 4GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  5. 5Google DeepMind、ロボット向けAIを発表新製品・発表

PR・アフィリエイト広告

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI