Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaKomputasi & perangkat lunakSHF: Core: Small: Real-time and Energy-Efficient Machine Learning for Robotics Applications
Proyek riset & pengembangan

SHF: Core: Small: Real-time and Energy-Efficient Machine Learning for Robotics Applications

Ringkasan tujuan riset

Akselerasi inferensi Bayesian berbasis graf diteliti untuk mendukung persepsi robot dalam batas daya dan perangkat keras tertanam.

Komputasi & perangkat lunak1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2341183Periode tercatat 2023-07-01 sampai 2026-09-30.NSF 2341183MulaiAkhir tercatat202320272023-07-012026-09-30
Linimasa dan catatan proyek

Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.

Teknologi · CC BY 4.0 · Sumber data

Apa tujuan dan pendekatan risetnya?

Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.

Pendekatan memadukan jaringan saraf dengan inferensi probabilistik agar keputusan perseptual dapat lebih adaptif terhadap lingkungan yang tidak terstruktur. Tiga kegiatan utama mencakup akselerasi inferensi Bayesian graf pada perangkat keras, penyusunan pustaka modul perangkat keras teroptimasi, dan penggunaan pustaka tersebut dalam algoritme persepsi robot. Manipulasi berorientasi tujuan menjadi konteks aplikasi. Pemrosesan seluruh informasi persepsi di robot secara langsung merupakan arah jangka panjang; biaya energi serta waktu komputasi menjadi sasaran optimasi yang perlu diuji.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
Colorado School of Mines
Program
Software & Hardware Foundation
Periode pendanaan tercatat
2023-07-01 → 2026-09-30

Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.

Klasifikasi NSF

  • Directorate for Computer and Information Science and Engineering
  • Software & Systems Foundations

Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.

Apa yang diketahui tentang statusnya?

Status pendanaan menurut NSFTidak aktif (catatan pendanaan NSF)

Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.

Batas informasi

Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.

Dasar profil

Metodologi dan batas pemeriksaan. Ringkasan berbahasa Indonesia disusun sebagai parafrasa editorial dengan pemeriksaan sumber primer oleh agen AI. Identitas, periode, serta status berasal dari catatan penerbit. Tinjauan ahli dan pengujian kinerja independen belum dilakukan; rujukan tidak menyiratkan dukungan atau sertifikasi NSF.