Réponse rapide
Avant de déployer un modèle sur robot embarqué, il faut mesurer mémoire, latence de bout en bout, consommation, précision numérique, dépendances, température et compatibilité du matériel. Un modèle performant sur serveur peut dépasser le cycle de décision ou l’énergie disponible sur la cible.
Mesurer sur la plateforme réelle
Processeur, accélérateur, système, capteur et ressources partagées sont ceux du déploiement. Temps d’acquisition, transfert, inférence et post-traitement sont mesurés avec pointes de mémoire.
Tenir le cycle de détection
Décision doit arriver avant échéance de commande. Si charge augmente, robot réduit débit, choisit modèle plus léger validé ou passe en état sûr plutôt que dépasser délai.
Évaluer chaque compromis local
Calcul à bord réduit dépendance réseau mais impose puissance, refroidissement et mise à jour. Quantification ou compression sont évaluées sur erreurs utiles à la mission.
Sources et références
- [1] PyTorch Documentation — PyTorch
- [2] Robotics and Autonomous Systems Technology Roadmaps — NASA