Model Pruning for Embedded AI in ADAS

[λΎ°ν‹€ μ‹¬ν”Œ 리뷰 2024] EASE-E: Edge-AI based System for Energy-Efficiency in Autonomous Driving (ADAS/AD)

byotle 2025. 2. 24. 16:11

EASE-E:  Edge-AI 기반 μžμœ¨μ£Όν–‰(ADAS/AD) μ—λ„ˆμ§€ 효율 μ‹œμŠ€ν…œμ€ 뭘까?

EASE-E μ‹œμŠ€ν…œμ€ μžμœ¨μ£Όν–‰ μ°¨λŸ‰μ—μ„œ μ—λ„ˆμ§€ νš¨μœ¨μ„ ν–₯μƒμ‹œν‚€κΈ° μœ„ν•΄ Edge-AIκΈ°μˆ μ„ ν™œμš©ν•˜λŠ” 방법을 μ œμ‹œν•œλ‹€.

이 μ—°κ΅¬λŠ” EASE-Eμ‹œμŠ€ν…œμ΄ κ³ μ†λ„λ‘œμ—μ„œ μ—λ„ˆμ§€ νš¨μœ¨μ„±μ„ 32.8%, λ„μ‹œν™˜κ²½μ—μ„œλŠ” 10.8% κ°œμ„ ν•œλ‹€κ³  μ„€λͺ…ν•œλ‹€.

이λ₯Ό 톡해 μžμœ¨μ£Όν–‰ μ°¨λŸ‰μ˜ μ—λ„ˆλΉ„ μ†ŒλΉ„λ₯Ό μ΅œμ ν™”ν•˜μ—¬λ” κΈ΄ 주행거리와 더 λ‚˜μ€ 배터리 νš¨μœ¨μ„±μ„ κΈ°λŒ€ν• μˆ˜ μžˆλ‹€κ³ ν•œλ‹€.

 

<μ£Όμš” νŠΉμ§•>

Edge-AI ν™œμš©:

이 μ‹œμŠ€ν…œμ€ μ°¨λŸ‰ λ‚΄μ—μ„œ λ°œμƒν•˜λŠ” 데이터λ₯Ό μ‹€μ‹œκ°„μœΌλ‘œ μ²˜λ¦¬ν•΄μ„œ, 

ν΄λΌμš°λ“œλ‘œμ˜ 전솑을 μ΅œμ†Œν™”ν•˜κ³  μ§€μ—°μ‹œκ°„μ„ 쀄이며 μ—λ„ˆμ§€ μ†ŒλΉ„λ₯Ό μ ˆκ°ν•œλ‹€.

 

μ—λ„ˆμ§€ νš¨μœ¨μ„± ν–₯상:

κ³ μ†λ„λ‘œμ™€ λ„μ‹œν™˜κ²½μ—μ„œ 각각 32.8%와 10.8%의 μ—λ„ˆμ§€ νš¨μœ¨μ„± ν–₯상이 보고 λ˜μ—ˆλ‹€.

 

μžμœ¨μ£Όν–‰(ADAS) μ΅œμ ν™”:

ADAS(첨단 μš΄μ „μž 보쑰 μ‹œμŠ€ν…œ)와 κ²°ν•©ν•˜μ—¬ μ°¨λŸ‰μ˜ μ—λ„ˆμ§€ μ†ŒλΉ„λ₯Ό μ΅œμ ν™” ν•˜κ³ , 

μŠ€λ§ˆνŠΈν•œ μ£Όν–‰κ²½λ‘œ 선택과 μ‹€μ‹œκ°„ μš΄μ „ μ œμ–΄λ₯Ό 톡해 μ—λ„ˆμ§€ μ ˆμ•½μ„ κ΅¬ν˜„ν•œλ‹€.

 

 μ΄λŸ¬ν•œ κΈ°μˆ μ€ μžμœ¨μ£Όν–‰ μ°¨λŸ‰μ˜ 배터리 수λͺ…을 μ—°μž₯ν•˜κ³ , ꢁ극 μ μœΌλ‘œλŠ” μ°¨λŸ‰μ˜ 지속가λŠ₯ν•œ μš΄ν–‰μ„ κ°€λŠ₯ν•˜κ²Œ ν•œλ‹€.