NPU 卸载以时间与性能为代价降低机器人训练能耗

研究人员开发了一种通过将部分计算卸载到神经网络处理单元 (NPU) 来降低机器人策略训练能耗的方法。该方法涉及冻结视觉编码器，并在 NPU 上运行其前向传播，同时在 GPU 上训练动作生成模块。虽然此方法将能耗降低了高达 27.9%，并减少了 GPU 内存分配，但与仅使用 GPU 的基线相比，训练时间增加了高达 37.7%，策略成功率略有下降。 AI

影响 这项研究探索了用于 AI 训练的硬件加速技术，有望实现更节能、更具成本效益的 AI 系统开发，尤其是在机器人领域。

排序理由 详细介绍机器人策略训练新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• AI accelerator
• AR-Actor
• Mobilint Aries2
• Nvidia RTX 5060 Ti
• ResNet18
• Transformer++

• 基础设施
• 论文
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →