Riepilogo Tecnico: XiYOLO: Rilevamento di Oggetti Consapevole dell'Energia tramite Ricerca Iterativa di Architettura e Scaling

Enunciato del Problema

Il rilevamento di oggetti su dispositivi edge eterogenei (ad esempio, UAV, UGV, robot mobili) affronta un conflitto critico tra la necessità di una percezione affidabile e vincoli rigorosi su energia, latenza e memoria. Sebbene rilevatori più grandi migliorino spesso l'accuratezza, comportano costi energetici proibitivi che limitano la durata del sistema. Al contrario, modelli più piccoli sono efficienti ma possono mancare di robustezza.

I metodi esistenti di Ricerca di Architettura Neurale (NAS) consapevoli dell'energia mirano spesso a scenari di deployment limitati o a singoli modelli finali anziché a famiglie di rilevatori scalabili. Un collo di bottiglia primario è la difficoltà di ottimizzare per l'energia "reale": i proxy standard come FLOPs, MAC o conteggi dei parametri non riescono a prevedere accuratamente l'energia misurata perché il consumo energetico dipende fortemente dal dispositivo, influenzato dal movimento della memoria, dalla composizione degli operatori e da comportamenti di esecuzione specifici della piattaforma. Inoltre, ottenere misurazioni energetiche esaustive dell'hardware su un ampio spazio di ricerca è costoso e spesso impraticabile.

Metodologia

Gli autori propongono XiYOLO, un framework adattivo all'energia progettato per identificare una singola architettura di base efficiente dal punto di vista energetico e scalarla in una famiglia di rilevatori attraverso diversi budget di deployment. Il framework è composto da quattro componenti principali:

1. Spazio di Ricerca Consapevole dell'Energia (XiResOFA)

Il framework introduce un nuovo blocco di ricerca, XiResOFA, che potenzia i design standard dei colli di bottiglia residui con scelte architettoniche elastiche compatibili con la ricerca Once-for-All (OFA). Ogni blocco è parametrizzato da una tupla $(r, k, t)$:

• Rapporto di Compressione ($r$): Selezionabile da $\{1, 0.5, 0.25\}$ per controllare la larghezza del canale.
• Dimensione del Kernel ($k$): Selezionabile da $\{1, 3, 5\}$ per regolare i campi ricettivi.
• Tipo di Attenzione ($t$): Selezionabile tra meccanismi di attenzione "lite" e "full".

Queste scelte sono applicate coerentemente attraverso il backbone, la Feature Pyramid Network (FPN) e la Path Aggregation Network (PAN), creando uno spazio di ricerca coerente in cui le decisioni architetturali hanno una relazione diretta e interpretabile sia con la qualità del rilevamento che con l'energia dell'hardware.

2. Stima dell'Energia in Due Fasi

Per affrontare la scarsità di dati energetici hardware, gli autori sviluppano un modello di approssimazione dell'energia in due fasi:

• Fase 1 (Priori Generici): Un predittore preaddestrato $f_{base}(a)$ stima l'energia basandosi esclusivamente sull'architettura, catturando pattern energetici a livello di struttura trasferibili.
• Fase 2 (Residuo Specifico del Dispositivo): Un modello residuo leggero $r(a, h)$ adatta il prior a specifici target hardware ($h$), tenendo conto dell'implementazione del backend e della gerarchia di memoria.
  La stima finale è $\hat{E}(a, h) = f_{base}(a) + r(a, h)$. Questo approccio permette al sistema di calibrarsi per un nuovo dispositivo utilizzando solo 2–20 campioni misurati (adattamento few-shot) invece di un profilaggio esaustivo.

3. Ricerca Iterativa di Architettura

Invece di una ricerca congiunta monolitica su backbone, FPN e PAN, il framework impiega una strategia di ricerca iterativa. Affina progressivamente ogni componente condizionandosi sulle scelte correnti degli altri:

1. Ottimizzare il backbone dato l'attuale FPN/PAN.
2. Ottimizzare l'FPN dato il nuovo backbone e l'attuale PAN.
3. Ottimizzare il PAN dato il nuovo backbone e l'FPN.
   Questa raffinazione per fasi riduce la complessità combinatoria consentendo ai componenti di co-adattarsi al budget energetico.

4. Scaling Composto

Una volta identificata una singola architettura di base ottimizzata ($a^*$), il framework applica lo scaling composto per generare una famiglia di varianti deployabili (nano, small, medium). Questo separa la scoperta dell'architettura dall'adattamento al deployment, consentendo la generazione di modelli per diversi regimi operativi senza richiedere ricerche separate per ogni punto.

Contributi Chiave

• Framework XiYOLO: Un approccio innovativo alla percezione adattiva all'energia che formula il problema come la progettazione di un rilevatore di base scalabile anziché la ricerca di modelli isolati.
• Spazio di Ricerca XiResOFA: Un design di blocco con compressione controllabile, dimensione del kernel e attenzione che consente compromessi interpretabili tra accuratezza ed energia.
• Strategia di Ricerca Iterativa: Un metodo di ricerca progressivo su backbone, FPN e PAN che identifica un'architettura di base di alta qualità in modo più efficiente rispetto alla ricerca congiunta globale.
• Stimatore dell'Energia in Due Fasi: Un modello che combina un predittore di architettura generico con un residuo specifico per l'hardware, migliorando significativamente l'efficienza del campione per la ricerca consapevole dell'energia sotto misurazioni hardware sparse.

Risultati Sperimentali

Gli esperimenti sono stati condotti sui dataset PascalVOC e COCO, con deployment su dispositivo reale su un ModalAI Sentinel Development Drone (dotato di GPU Qualcomm Adreno 650 e NPU da 15 TOPS).

• Prestazioni PascalVOC: Il modello XiYOLO medium ha raggiunto 86.15 mAP50, superando YOLOv12m di +0.07 mAP50. Crucialmente, ha ridotto il consumo energetico del 20.6% su GPU e del 35.9% su NPU rispetto a YOLOv12m. Alla scala small, ha raggiunto 84.38 mAP50 con riduzioni energetiche del 47.0% (GPU) e del 45.7% (NPU).
• Prestazioni COCO: Il modello medium ha mantenuto un'accuratezza competitiva (50.71 mAP50-95) riducendo l'energia del 24.5% su GPU e del 38.8% su NPU rispetto a YOLOv12m. Alla scala small, l'energia è stata ridotta fino al 53.7% su GPU e al 51.6% su NPU.
• Efficienza di Deployment: I benchmark cumulativi di energia nel tempo hanno mostrato che le varianti XiYOLO hanno accumulato costantemente meno energia rispetto alle baseline YOLO sia su GPU che su NPU, con la scala medium che mostra i vantaggi più significativi.
• Efficienza dello Stimatore: Su HW-NAS-Bench, lo stimatore in due fasi ha raggiunto un RMSE di test inferiore rispetto a un predittore congiunto su 2–20 campioni few-shot, dimostrando una superiore efficienza del campione nell'adattarsi a nuovi hardware.
• Analisi dello Spazio di Ricerca: Modelli campionati casualmente dallo spazio XiResOFA hanno mostrato una riduzione media dell'energia del 21.1% rispetto alla baseline YOLOv12. Lo spazio di ricerca iterativo ha prodotto un miglioramento medio previsto di mAP50 di circa il 3.5% rispetto a uno spazio di ricerca globale.

Significato e Affermazioni

Il paper afferma che XiYOLO tratta con successo la progettazione di rilevatori edge come una ricerca di punti operativi adattivi al budget allineati con vincoli hardware eterogenei, piuttosto che una ricerca per un singolo modello efficiente. Combinando uno spazio di ricerca interpretabile con uno stimatore energetico basato su dati sparsi, il framework raggiunge un compromesso accuratezza-energia più forte rispetto alle baseline YOLO esistenti.

Gli autori sottolineano che il loro approccio consente compromessi interpretabili tra accuratezza ed energia sotto misurazioni hardware sparse, rendendo la progettazione consapevole dell'energia trasferibile tra piattaforme dove i dati energetici accurati sono scarsi. I risultati suggeriscono che cercare un'unica architettura di base e scalarla è una strategia valida per creare famiglie di rilevatori che performano bene su diversi dispositivi edge, estendendo la durata del sistema per applicazioni come ricerca e soccorso e ispezione delle infrastrutture senza sacrificare la qualità del rilevamento.

Il paper riconosce le limitazioni, notando che la ricerca è confinata a una famiglia derivata da YOLOv12, i modelli finali sono ottenuti tramite scaling post-ricerca piuttosto che ricerca multi-punto, e la valutazione è limitata a specifiche impostazioni GPU e NPU. Tuttavia, il lavoro dimostra che la ricerca di architettura consapevole dell'energia può produrre design di rilevatori sia accurati che efficienti dal punto di vista energetico per il deployment edge eterogeneo.