为更好的理解边缘智能在边缘计算和人工智能方面的优势，2024年6月5日下午3点，计算机学院在晴川小剧场举办了一场主题为“边缘智能下智能无人协同系统研究”的学术讲座，学院特别邀请了华中科技大学计算机科学与技术学院教授、博士生导师余辰教授为大家进行授课，计算机学院院长黄传河、学院师生共计400人参加了此次讲座。余辰教授的到来，为在场的每一位听众带来了一场知识与智慧的盛宴。

一、边缘智能-打通AI最后一公里

从云计算到边缘智能，打通了AI的最后一公里。边缘智能着力于解决AI在边缘计算下的系列问题。边缘智能结合了边缘计算和人工智能的优势，在边缘侧为用户提供实时性更高、网络依赖更小、资源开销更小和隐私性更好的智能服务。边缘智能作为人工智能和边缘计算的结合体，是近年来信息技术领域的一个重要发展趋势。它的发展可以追溯到云计算的兴起，但随着技术的进步和应用需求的增加，边缘智能逐渐展现出实时性更快、网络依赖更快、网络开销更小、隐私保护更安全等优势。

二、边缘智能总体架构

边缘智能的总体架构包括技术、硬件资源、数据处理和安全等。具体包括开发服务框架：包括深度神经网络模型驱动的统一服务框架，涉及到使用深度学习模型来提供智能服务。部署运营服务框架：涉及网络调控与确定性网络服务，确保网络服务的稳定性和可靠性。云服务：提供云服务，包括计算、存储和数据分析等。数据安全：强调数据安全的重要性，确保数据在处理和存储过程中的安全性。大数据：利用大数据技术进行数据的收集、处理和分析。协同推理：指多个系统或组件之间的智能协作和推理过程。边缘节点：包括边缘服务器、边缘网络和边缘网关等，这些节点负责在网络的边缘提供服务和处理数据。资源管理：涉及计算资源和存储资源的管理，确保资源的有效分配和使用。感知与决策：使用传感器进行环境感知和基于感知数据进行决策的过程。协同控制器：指的是用于协调和管理多个边缘节点和服务的控制系统。端设备：指用户直接使用的设备，如智能手机、智能家居设备等，它们与边缘节点和服务框架进行交互。深度神经网络推理接口：提供一个接口，用于执行深度神经网络的推理任务，这可能是实现智能服务的关键技术之一。能源：涉及到能源管理或优化，尤其是在使用大量端设备和传感器的系统中。SOC: XPU、RAM：这可能指的是系统级芯片(System on Chip, SOC)，包括执行单元(XPU)和随机存取存储器(RAM)，它们是硬件资源的一部分，用于支持深度学习和其他计算任务。

三、智能无人协同系统关键技术研究

智能无人协同系统关键技术包括AI推理芯片、能耗敏感、感知方法和推理加速以及模型的轻量化。

1.AI推理芯片，利用AI推理芯片是智能无人协同系统的大脑，专门设计用于执行深度学习模型的推理任务。这些芯片通常具有高能效比，能够快速处理大量数据，同时保持低功耗，是实现实时智能决策的基础。

2.能耗敏感：在无人协同系统中，能耗是一个重要的考量因素，尤其是在移动或远程操作的设备中。系统设计时需要考虑到能耗优化，以延长设备的使用时间和减少能源消耗。

3.感知方法：感知技术使无人系统能够理解和解释其环境。这包括使用各种传感器（如视觉、声音、温度等）收集数据，并利用这些数据进行环境感知和状态监测。

4.推理加速：推理加速技术通过优化算法和硬件设计，提高深度学习模型的推理速度。这对于需要快速响应的应用场景尤为重要，如自动驾驶、实时监控等。

5.模型轻量化：模型轻量化是指减少深度学习模型的大小和复杂性，使其更适合在资源受限的设备上运行。轻量化模型不仅减少了存储和计算需求，还提高了模型的部署灵活性和运行效率。

四、总结

目前，市面上已经出现许多成熟的边缘智能下的智能无人系统，例如智能无人集群侦查、智能工厂、智慧城市和智慧农业等，这些系统通过感知、处理和响应三个步骤实现协同感知与理解外界环境、任务规划、任务实施等功能，在这一过程中，需要解决DNN推理加速、能耗敏感、边端协同及服务质量的优化等关键问题。针对这些关键问题，余辰教授团队提出了相应的解决方案并转化为成果，具体包括疲劳驾驶检测、目标检测和自动驾驶导航等，以上研究表明边缘智能在智能无人系统中的应用潜力和产业价值。余辰教授最后提到，技术存在的目的是为了解决人们的衣食住行中遇到的问题，为工科生，我们不仅要学习技术本身，更要理解如何将技术应用于实际问题的解决中。