# NaviSplit: Dynamic Multi-Branch Split DNNs for Efficient Distributed Autonomous Navigation

### 저자

Timothy K Johnsen, Ian Harshbarger, Zixia Xia, Marco Levorato

### 💡 개요

본 논문은 컴퓨팅 자원이 제한적인 무인 항공기(UAV)의 자율 주행을 위해 동적 다중 분기 신경망 모델을 활용하는 NaviSplit이라는 경량화 프레임워크를 제안합니다. NaviSplit은 DNN을 압축 지점에서 분할하여 UAV에서 실행되는 헤드 모델과 엣지 장치에서 실행되는 테일 모델로 구성되며, 동적으로 헤드 모델을 선택하는 신경망 게이트를 포함합니다. 이를 통해 데이터 전송량을 크게 줄이면서도 기존 방식 대비 우수한 주행 정확도를 달성합니다.

### 🔑 시사점 및 한계

- **제한된 자원 환경에서의 효율적인 AI 기반 자율 주행 가능성 제시:** 컴퓨팅 성능, 에너지, 메모리 제약이 심한 소형 UAV에서 복잡한 신경망 모델을 실행할 수 있는 새로운 방법을 제시했습니다.

- **동적 분기 모델을 통한 최적의 성능 및 자원 활용:** 신경망 게이트를 통해 상황에 맞는 헤드 모델을 동적으로 선택함으로써 데이터 전송량을 획기적으로 줄이면서도 높은 정확도를 유지할 수 있음을 입증했습니다.

- **다양한 센서 및 복잡한 환경에 대한 확장성 연구 필요:** 본 연구에서는 단안 RGB 카메라를 이용한 깊이 맵 추출에 초점을 맞추었으나, LiDAR 등 다양한 센서와의 통합 및 더욱 복잡한 주행 시나리오에 대한 적용 가능성 연구가 필요합니다.

[PDF 보기](https://arxiv.org/pdf/2406.13086)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).
