この記事では、自律運転技術のエネルギー効率を改善するためのフレームワーク「EneAD」が提案されています。自律運転は、社会的、経済的、環境的な利点が期待される一方で、計算エンジンによるエネルギー消費が増加し、特に電気自動車の走行距離が制限されています。感知計算はエネルギー消費が最も大きく、大規模な深層学習モデルが必要です。従来のモデル圧縮技術はモデルサイズが大きくなるか、精度が大幅に低下する課題があります。EneADは、データ管理とチューニングの観点から感知最適化戦略を設計し、異なる計算消費量を持つ複数の感知モデルを管理して動的に実行フレームレートを調整します。また、強化学習に基づく意思決定モデルを用いて、動的な状況に対応しつつ安定した運転を実現します。実験結果からEneADはエネルギー消費を1.9倍から3.5倍削減し、走行距離を3.9%から8.5%向上させることが確認されています。