感官反应系统（例如机器人技术和AR/VR）必须采取高度响应的实时操作，这是由涉及感应，感知，计划和反应任务的复杂决策驱动的。这些任务必须安排在资源约束的设备上，以便满足应用程序的性能目标和要求。这是一个困难的调度问题，需要处理多个调度维度以及资源使用和可用性的变化。实际上，系统设计师手动调整其特定硬件和应用参数，从而导致泛化不良并增加了开发负担。在这项工作中，我们强调了在有感觉反应系统中在运行时安排CPU资源的新兴需求。我们研究三个规范应用程序（面部跟踪，机器人导航和VR），以首先了解此类系统的关键调度要求。凭借这种理解，我们开发了一个调度框架Catan，该框架动态调度了在应用程序的不同组件上计算资源，以满足指定的应用程序要求。通过在广泛使用的机器人技术框架（ROS）和开源AR/VR平台上实施的原型实验，我们显示了系统计划对达到三个应用程序的性能目标的影响，Catan能够更好地取得更好的成就应用程序性能比手工调整的配置以及如何动态适应运行时变化。
translated by 谷歌翻译
在美国，欧洲和中国等发达的国家中，自动驾驶汽车正在迅速增长。 Google，Tesla，Audi，BMW和Mercedes等科技巨头正在制造高效的自动驾驶汽车。但是，对于印度，泰国，非洲等发展中国家，该技术仍然不是主流，在本文中，我们对基于发达国家和印度道路的现有数据集进行了详尽的比较。然后，我们开发了一个新的数据集“印度道路数据集”（IRD），该数据集使用64（百万像素）摄像机拍摄的3000多个图像中提取了超过8000个注释。所有注释均被手动标记遵守严格的注释规则。来自印度两个不同城市的实时视频序列是在白天和夜灯条件下的新德里和昌迪加尔。我们的数据集超过了以前的印度流量灯数据集，大小，注释和差异。我们通过与现有印度数据集进行了广泛的比较来证明数据集的改善。考虑了各种数据集标准，例如大小，捕获设备，许多城市以及流量光方向的变化。数据集可以从此处下载https://sites.google.com/view/ird-dataset/home
translated by 谷歌翻译