机器人室内定位是怎样利用SLAM来实现的

2019年12月31日—32/64位高效能、低功耗、精简RISC-V CPU 核心的领导供货商、RISC-V基金会创始白金会员晶心科技，与Lightweight Intelligence™ 的创建者，总部位于加拿大蒙特利尔的新创公司Deeplite， Inc.，今日宣布将携手合作，在基于AndeStar™ V5架构的晶心RISC-V CPU核心上配置高度优化的深度学习模型，使AI深度学习模型变得更轻巧、快速和节能。

近年来，诸如支持人工智能（AI）的家庭助理等智能装置如雨后春笋般普及，为将极精简的深度学习模型应用至日常生活提供了理想平台。为追求低功耗和低计算资源且有效运行，智能装置必须易于使用并能实时响应使用者请求。如今，因应复杂的AI模型计算和功耗需求，大多数智能装置必须将用户数据和需求发送至云端执行AI处理，再将结果传回智能装置。

晶心科技和Deeplite联手推出解决方案，使诸如智慧家庭助理的人机互动界面可以在本地操作，且几乎不需要联机至云端；当智能家庭助理通过小型摄像机侦测到人时，装置将会自动“唤醒”。其目标为优化在第一个采用DSP SIMD ISA的商业RISC-V核心Andes A25和D25F上运行的深度学习模型，适用于低成本的AI边缘计算应用。该团队从在13MB大的Visual Wake Words（VWW）视觉唤醒关键词数据集上训练的MobileNet模型开始，使用Deeplite的硬件感知优化引擎，在精准度只降低1％的情况下，自动发现、训练和运用小于188KB的新模型。

“我们发现越来越多的行业需要在我们具有DSP指令的RISC-V核心如A25和D25F上运行嵌入式、优化的深度学习模型以加速深度学习演算，”晶心科技首席技术官暨执行副总苏泓萌博士表示，“Deeplite提供了一个可以在晶心内部使用的解决方案，同时也可以让我们的客户将在晶心RISC-V CPU核心上的深度学习算法运用到资源有限的边缘装置。”

“我对于这次的合作感到非常兴奋！Deeplite不仅在最小精度的影响下提供了高达69倍深度学习模型的优化，我们也自动化以前费时又容易出错的人工神经网络架构设计。”Deeplite， Inc. CEO Nick Romano表示，“过去需要花费数周反复测试才能完成的工作，现在可以在几个小时内自动完成！结合Deeplite的Lightweight Intelligence™ 和晶心最好的CPU，使我们更进一步将AI推广于日常生活中。”

透过将Deeplite领先业界的优化技术与晶心最先进的RISC-V CPU相结合，为如语音识别或人员侦测等所需的微控制器级内存及运算要求，原始设备厂商（OEM）和应用开发人员可以提供让用户可将数据保留在装置上，并且同时仍能提供在世界各地真实环境下AI需有的实时且无缝响应等优势。