PulseAugur
中
实时 13:30:19
English(EN) KATANA: A Fast, Low-Power Mapping of Kalman Filters onto Edge NPUs for Real-Time Tracking

新框架将卡尔曼滤波器映射到 NPU 以实现实时跟踪

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 KATANA，一个新颖的框架，能够有效地在现代 AI-PC SoC 中发现的神经网络处理单元 (NPU) 上执行卡尔曼滤波器。该方法旨在克服在实时跟踪系统中使用传统 CPU 或定制硬件的局限性，而这些系统在自动驾驶和国防等应用中至关重要。通过针对 NPU 优化卡尔曼滤波器算法，KATANA 在速度和功耗效率方面取得了显著改进，从而将 CPU 和 GPU 解放出来用于其他任务。 AI

排序理由 研究论文，详细介绍了在特定硬件上优化算法的新技术框架。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.LG 阅读 →

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

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Bodhisatwa Kundu, Anish Rooj, Sumit Saha, Abhradeep Sarkar, Arghadip Das, Arnab Raha, Mrinal K. Naskar ·

    KATANA: A Fast, Low-Power Mapping of Kalman Filters onto Edge NPUs for Real-Time Tracking

    arXiv:2606.14992v1 Announce Type: cross Abstract: State estimation is the closed-loop core of every real-time tracking system, from radar surveillance and counter-UAV defense to autonomous driving and robotics. These deployments run on edge platforms, where defense systems mount …

相关实体

相关话题