On-Device AI for Real-Time Embedded Intelligence
연구 내용
경량 딥러닝과 연속학습 기법을 활용하여 엣지 단에서 실시간 추론과 상태 진단을 수행하는 온-디바이스 AI 임베디드 시스템을 개발하는 연구
본 연구는 온-디바이스 AI 모델을 임베디드 플랫폼에서 효율적으로 동작하도록 구성하고, 연속학습 기반의 적응형 추론 구조를 설계하는 방향으로 수행됩니다. 제한된 연산 자원을 고려하여 경량 딥러닝 모델을 최적화하고, 실시간 센서 스트림을 처리하기 위한 안정적 메모리 구조를 적용합니다. 또한 데이터 분포 변화에 대응하기 위해 continual learning 기반의 온라인 업데이트 방식을 도입하여 장기 운용 환경에서의 성능 저하를 억제합니다. EdgeTPU와 GPU 기반 임베디드 보드에서 실시간 처리 지연을 최소화하기 위한 병렬 연산 구조를 적용하며, 산업 현장에서 요구되는 신뢰성을 확보하기 위해 불확실성 기반 판단 및 내고장성 설계를 병행합니다. 이를 통해 다양한 산업 시스템에 적용 가능한 실시간 지능형 진단 구조를 구축하는 차별성을 보유합니다.
관련 연구 성과
관련 논문
0편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기 연구는 임베디드 보드에서 경량 신경망을 안정적으로 구동하기 위한 모델 경량화 및 최적화 기법을 중심으로 진행되었습니다. 이후 실시간 스트림 데이터를 처리하기 위한 지속 학습 구조로 확장되며, 장기 운용 환경에서의 성능 유지와 모델 갱신 전략을 규명하는 연구가 이어졌습니다. 최근에는 EdgeTPU와 GPU 기반 플랫폼의 병렬 처리 구조를 활용하여 실시간성 요구가 높은 산업 환경에 적용 가능한 지능형 시스템 설계로 발전하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.