本文介绍了一种用于小型自主飞行器（如无人机）的自主导航引擎，此引擎基于神经网络和并行低功耗计算平台GAP8，可以使得纳米无人机在严格的实时约束下完整地执行复杂的深度卷积神经网络，以实现闭环端到端可视化导航，同时系统耗能相对较小，且不会对飞行结果进行任何妥协。

May, 2018

通过使用超低功耗的GAP8芯片与卷积神经网络，我们实现了一种使用图像视觉引导的自主导航算法，在小型纳米无人机上实现了全自主室内导航，提高了其对高速飞行中的障碍物的响应速度，同时公开了代码、数据集和模型参数，以促进无人机研究的发展

May, 2019

本研究提出了一种通过深度神经网络解决双对等纳米无人机的单目相对定位的新型自治端到端系统，从数据集收集到最终的实地部署，包括数据集增强、量化和系统优化。实验结果表明，我们的DNN可以通过使用低分辨率单色图像，在最多2米的距离内精确定位10厘米大小的目标纳米无人机，系统精度达到15厘米，控制误差为17厘米，实现了长时间跟踪，具有泛化能力，每秒运行速度为48Hz，仅需95mW的最小功耗。

Mar, 2023

研究了一种在低功耗下运行的数字信号处理器，用于人工智能物联网系统中的深度神经网络推断和浮点运算，结合硬件加速达到高效率运行。

May, 2023

该研究提出了一种基于多核低功耗RISC-V微控制器单元的计算机视觉算法并行化策略，实验结果表明，该算法显著提高了在微型无人机上的帧率，使得最大飞行速度可以翻倍，并且仅使用前一单核实现的近三分之一时钟频率。

May, 2023

本文介绍了一种超轻量级物体检测网络TinyissimoYOLO，旨在为功耗为几毫瓦的边缘系统提供高度灵活且完全量化的解决方案，实验结果表明，该模型在不同参数下都表现出较好的性能，并且在多种超低功耗平台上展现出更高的能效和更低的推理延迟。

Jul, 2023

基于低分辨率相机和超低功耗车载SoC的垂直集成系统，通过全卷积神经网络（FCNN）在纳米无人机之间背对背的相对姿态估计方面取得了显著改进。

Feb, 2024

通过GAP9Shield，该研究论文提出了一种适用于室内环境并与人类安全互动的纳米无人机模块，其具备高能效和处理能力，可用于目标检测、定位和建图等任务。

Jun, 2024

本研究解决了微型网络物理系统在不同环境中性能下降的问题，提出一种新的设备自我调优方法，专门针对纳米无人机的有限资源进行优化。研究表明，该方法在最具挑战性的环境下，通过现场测试显著减少了定位误差，提升了任务成功率。

Aug, 2024

本文解决了边缘设备缺乏超低功耗、高性能芯片的问题，提出了一种新型的低功耗ASIC AI处理器NV-1，通过非冯·诺依曼架构显著提高了并行处理能力和能效。研究结果表明，该设备在实际应用中表现出色，具有广泛的潜在影响，能够推动边缘计算设备的普及。

Sep, 2024