Réponse rapide
Déployer un modèle de deep learning sur un robot embarqué exige de figer poids et pipeline, mesurer ressources et latence, optimiser sans perdre la qualité, puis intégrer surveillance, repli et rollback.
Identifier le modèle complet
Poids, prétraitement, version, dépendances, matériel et configuration d’inférence sont liés. Une incompatibilité laisse le système inactif ou limité.
Comparer le coût réel
Quantification, compilation et résolution sont évaluées sur précision, calibration, mémoire, température et pire latence. Les transferts et files sont inclus.
Progresser par étapes
Simulation, banc, robot pilote et flotte limitée permettent observation et retour. Le modèle ne commande pas sans contrôleur borné et arrêt disponible.
Sources et références
- [1] Nodes — ROS 2 documentation