王 泉 , 吳中海 , 陳儀香 , 苗啟廣

1(西安電子科技大學(xué) 計算機科學(xué)與技術(shù)學(xué)院,陜西 西安 710071)

2(北京大學(xué) 軟件與微電子學(xué)院,北京 100191)

3(華東師范大學(xué) 軟件學(xué)院,上海 200062)

人工智能和嵌入式技術(shù)的深度融合已經(jīng)成為“物聯(lián)網(wǎng)+”產(chǎn)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(shù)、半導(dǎo)體技術(shù)、新一代人工智能技術(shù)等與各個行業(yè)的具體應(yīng)用相結(jié)合的產(chǎn)物,正在成為各種智能體系的基礎(chǔ),具有技術(shù)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(yīng)用于嵌入式領(lǐng)域,探索和突破嵌入式系統(tǒng)的基礎(chǔ)科學(xué)理論體系、技術(shù)方法及系統(tǒng)平臺,已經(jīng)成為了嵌入式系統(tǒng)領(lǐng)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(lián)網(wǎng)+”智慧體系的發(fā)展和廣泛應(yīng)用提供理論和技術(shù)支撐.智能嵌入式系統(tǒng)領(lǐng)域日益得到學(xué)術(shù)界和工業(yè)界的普遍關(guān)注,其基礎(chǔ)科學(xué)理論、關(guān)鍵技術(shù)方法與系統(tǒng)、以及嵌入式系統(tǒng)在人工智能等領(lǐng)域的擴展和應(yīng)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(nèi)容涉及輕量式深度學(xué)習(xí)網(wǎng)絡(luò)、嵌入式人工智能系統(tǒng)、智能軟硬件、嵌入式視覺技術(shù)、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(jīng)初審、復(fù)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(jù)主題,這些論文可以分為5 組.

(1) 輕量級深度學(xué)習(xí)網(wǎng)絡(luò)

《輕量級神經(jīng)網(wǎng)絡(luò)架構(gòu)綜述》詳細(xì)闡述了人工設(shè)計輕量級神經(jīng)網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)模型壓縮算法和基于神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索的自動化神經(jīng)網(wǎng)絡(luò)架構(gòu)設(shè)計3 種構(gòu)建輕量級神經(jīng)網(wǎng)絡(luò)的方法.總結(jié)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?qū)崟r應(yīng)用的深度學(xué)習(xí)研究綜述》詳細(xì)闡述了深度學(xué)習(xí)技術(shù)應(yīng)用于實時嵌入式系統(tǒng)所面臨的關(guān)鍵設(shè)計問題,從深層神經(jīng)網(wǎng)絡(luò)的輕量化設(shè)計、GPU 時間分析與任務(wù)調(diào)度等多個方面對現(xiàn)有的研究工作進行了分析和總結(jié),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(xiàn)》設(shè)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(xiàn)了基于增強Cartographer算法的SLAM系統(tǒng).

《面向邊緣計算的目標(biāo)追蹤應(yīng)用部署策略研究》通過對目標(biāo)追蹤應(yīng)用特點、移動設(shè)備特性以及邊緣云網(wǎng)絡(luò)架構(gòu)的分析,提出了將目標(biāo)追蹤應(yīng)用的計算任務(wù)合理卸載至邊緣云并利用信息融合策略對計算結(jié)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(shù)據(jù)平面軟件一致性測試用例生成方法》設(shè)計了用于面向P4編程語言的SDN數(shù)據(jù)平面軟件一致性測試用例生成方法,實現(xiàn)了面向P4編程語言的SDN數(shù)據(jù)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(shù)據(jù)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(shù)的ILP模型,進一步的提出生成指令調(diào)度和數(shù)據(jù)放置(GISDP)算法以獲得近似最優(yōu)的指令調(diào)度與數(shù)據(jù)放置方案.

(4) 嵌入式視覺技術(shù)

《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(nèi)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(jīng)網(wǎng)絡(luò)對于對抗樣本的脆弱性問題,在現(xiàn)有模型基礎(chǔ)上添加額外的分支,同時在分支之間加入特征融合實現(xiàn)特征金字塔,提出一種在單模型上實現(xiàn)組合模型防御效果的模型改造及訓(xùn)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(shù)學(xué)模型和相關(guān)求解算法,包括貨品相似度求解算法和改進適應(yīng)度函數(shù)的路徑規(guī)劃算法,并在以上兩種算法的基礎(chǔ)上,基于貨位路徑協(xié)同優(yōu)化思想實現(xiàn)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(shù)模擬物理世界的噪聲的基礎(chǔ)上,設(shè)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(jié)構(gòu)和參數(shù)等細(xì)節(jié),符合實際應(yīng)用場景,具有較好的遷移性.