王 泉 , 吳中海 , 陳儀香 , 苗啟廣

1(西安電子科技大學 計算機科學與技術學院,陜西 西安 710071)

2(北京大學 軟件與微電子學院,北京 100191)

3(華東師范大學 軟件學院,上海 200062)

人工智能和嵌入式技術的深度融合已經成為“物聯網+”產業(yè)體系前行的迫切需求.智能嵌入式系統(tǒng)是先進的計算機技術、半導體技術、新一代人工智能技術等與各個行業(yè)的具體應用相結合的產物,正在成為各種智能體系的基礎,具有技術密集、資金密集、高度分散、不斷創(chuàng)新的特點.一方面,將新一代人工智能方法應用于嵌入式領域,探索和突破嵌入式系統(tǒng)的基礎科學理論體系、技術方法及系統(tǒng)平臺,已經成為了嵌入式系統(tǒng)領域的研究熱點；另一方面,研發(fā)面向人工智能的嵌入式系統(tǒng)的軟硬件平臺,為“物聯網+”智慧體系的發(fā)展和廣泛應用提供理論和技術支撐.智能嵌入式系統(tǒng)領域日益得到學術界和工業(yè)界的普遍關注,其基礎科學理論、關鍵技術方法與系統(tǒng)、以及嵌入式系統(tǒng)在人工智能等領域的擴展和應用亟待深入地探索與思考.目前,針對智能嵌入式系統(tǒng)的研究仍然處于起步階段,存在很多需要解決的問題.

本專題公開征文,共收到投稿27 篇.其中,22 篇論文通過了形式審查,內容涉及輕量式深度學習網絡、嵌入式人工智能系統(tǒng)、智能軟硬件、嵌入式視覺技術、嵌入式智能優(yōu)化等.特約編輯先后邀請了38 位專家參與審稿工作,每篇投稿至少邀請2 位專家進行評審.稿件經初審、復審、第17 屆全國嵌入式系統(tǒng)大會宣讀和終審4個階段,歷時6 個月,最終有10 篇論文入選本?？?根據主題,這些論文可以分為5 組.

(1) 輕量級深度學習網絡

《輕量級神經網絡架構綜述》詳細闡述了人工設計輕量級神經網絡、神經網絡模型壓縮算法和基于神經網絡架構搜索的自動化神經網絡架構設計3 種構建輕量級神經網絡的方法.總結和分析了每種方法的特點,并給出了未來發(fā)展的前景.

《面向實時應用的深度學習研究綜述》詳細闡述了深度學習技術應用于實時嵌入式系統(tǒng)所面臨的關鍵設計問題,從深層神經網絡的輕量化設計、GPU 時間分析與任務調度等多個方面對現有的研究工作進行了分析和總結,并給出了進一步的研究方向.

(2) 嵌入式人工智能系統(tǒng)

《掃地機器人增強位姿融合的Cartographer算法及系統(tǒng)實現》設計了基于位姿增量的多傳感器位姿融合算法,并在Player平臺上實現了基于增強Cartographer算法的SLAM系統(tǒng).

《面向邊緣計算的目標追蹤應用部署策略研究》通過對目標追蹤應用特點、移動設備特性以及邊緣云網絡架構的分析,提出了將目標追蹤應用的計算任務合理卸載至邊緣云并利用信息融合策略對計算結果進行分析融合,同時利用運動檢測進一步降低終端節(jié)點的計算壓力和功耗.

(3) 智能軟硬件

《SDN數據平面軟件一致性測試用例生成方法》設計了用于面向P4編程語言的SDN數據平面軟件一致性測試用例生成方法,實現了面向P4編程語言的SDN數據平面軟件一致性測試用例自動生成工具.

《面向多讀/寫頭磁疇壁存儲器的優(yōu)化研究》針對磁疇壁存儲器在進行數據訪問之前需要進行移動操作的限制,提出了可獲得最小移動次數的ILP模型,進一步的提出生成指令調度和數據放置(GISDP)算法以獲得近似最優(yōu)的指令調度與數據放置方案.

(4) 嵌入式視覺技術

《基于視覺顯著性的AMOLED 顯示器多區(qū)域功耗優(yōu)化》提出基于視覺顯著性的AMOLED 顯示器多區(qū)域功耗優(yōu)化方法,在不降低顯示內容整體視覺效果的同時最小化顯示功耗.

《利用特征融合和整體多樣性提升單模型魯棒性》針對深度神經網絡對于對抗樣本的脆弱性問題,在現有模型基礎上添加額外的分支,同時在分支之間加入特征融合實現特征金字塔,提出一種在單模型上實現組合模型防御效果的模型改造及訓練方法.

(5) 嵌入式智能優(yōu)化

《智能倉儲貨位規(guī)劃與AGV 路徑規(guī)劃協(xié)同優(yōu)化算法》提出了智能倉儲貨位路徑協(xié)同優(yōu)化的數學模型和相關求解算法,包括貨品相似度求解算法和改進適應度函數的路徑規(guī)劃算法,并在以上兩種算法的基礎上,基于貨位路徑協(xié)同優(yōu)化思想實現了貨位路徑協(xié)同優(yōu)化.

《基于PSO 的路牌識別模型黑盒對抗攻擊方法》在圖像處理技術模擬物理世界的噪聲的基礎上,設計了基于PSO 優(yōu)化的生成魯棒的物理對抗樣本算法,不需要了解模型結構和參數等細節(jié),符合實際應用場景,具有較好的遷移性.