본 연구의 최종 목표는 초저전력 뉴로모픽 AI 반도체 기술을 활용하여 대형멀티모달모델(LMM) 기반 자율주행 시스템을 설계함으로써, 인지 정확도, 저전력 특성, 그리고 실시간성을 동시에 달성하는 것이다. 이를 위해 실시간 시스템에 특화된 LMM을 저전력 스파이킹 뉴럴 네트워크(SNN)로 구현하고, 이를 지원하는 전용 뉴로모픽 AI 반도체를 개발한다. 더 나...

본 연구는 자율주행차를 위한 실시간성, 정확성, 전력 소모 최소화를 동시에 달성하는 새로운 다중객체 추적 시스템을 개발하고, 최종적으로 이를 자율주행 테스트 베드에 구현하는 것을 목표로 한다. 총 3년의 연구 기간을 계획하고 있으며, 연차별 목표는 다음과 같다. 1차년도 연구 목표: 실시간성과 정확성을 동시 고려하는 다중객체 추적 시스템 개발-다중객체 추적...

본 연구는 자율주행차를 위한 실시간성, 정확성, 전력 소모 최소화를 동시에 달성하는 새로운 다중객체 추적 시스템을 개발하고, 최종적으로 이를 자율주행 테스트 베드에 구현하는 것을 목표로 한다. 총 3년의 연구 기간을 계획하고 있으며, 연차별 목표는 다음과 같다. 1차년도 연구 목표: 실시간성과 정확성을 동시 고려하는 다중객체 추적 시스템 개발-다중객체 추적...

본 과제는 자율주행 자동차에서 사용되는 인공지능 태스크의 실행 특성을 분석하고, 이를 바탕으로 새로운 스케줄링 플랫폼을 개발한 뒤 실제 자율주행 테스트 베드에 적용하는 연구임. 연구 목표는 Deep Sort, YOLO 등 인공지능 태스크의 자원 요구량, FPS, 정확도 변화를 파악해 혼합 임계 태스크 모델을 정립하고, 이를 기반으로 혼합 임계 스케줄링 알고리즘과 실시간성 분석 기법을 개발하는 데 있음. 핵심 연구 내용은 벤치마크 실험, WCET 기반 태스크 모델 정립, 시뮬레이터 구축, F1-10 및 자이카 테스트 베드 적용임. 기대 효과는 한정된 컴퓨팅 자원의 효율적 활용, 마감시간 위배 감소, 자율주행 시스템의 신뢰성 향상 및 후속 연구·산업 확산 기반 마련임.