9680329b3b
revert docs: 完善三套实时性研究框架与验证方案 (#3) ## 改动内容 - 完善并提交“项目框架1：基于 RTOS 的五类场景 AI 实时性研究”。 - 新增“项目框架2：面向机器人大小脑异构系统的实时保障研究”。 - 新增“项目框架3：MCU 与资源受限 SoC 的 AI 实时性与低功耗研究”。 - 新增 RTOS–Linux–Hypervisor 边缘并行架构说明。 - 新增调整后的研究问题与验证建议，明确 RTOS、系统实时性与大模型低时延的边界。 ## 验证 - 已同步上游 `main`，源分支基于最新上游历史继续提交。 - `git diff --cached --check` 通过。 - 已检查提交范围，未加入凭据、令牌或临时文件。 - 远端分支提交已核对为 `b7863721fe906c0fa6a5e841599dd276a579d679`。 ## 建议重点审查 - 三套框架是否应作为相互独立、可并列选择的研究路线。 - 是否充分区分工业实时性、AI 推理低时延与端到端系统实时性。 - 机器人大小脑分域、Hypervisor 隔离及 MCU 资源预算的实验指标是否可落地。 --------- Co-authored-by: Mo1s <1194302708@qq.com> Reviewed-on: #3 Co-authored-by: moyixin <15971501952@163.com>
648 B
648 B
实验设计与验证方法
1. 验证重点
本子课题的验证重点包括：
- 静态内存预算是否成立；
- 控制任务截止期是否维持；
- 小模型推理是否能在固定窗口内完成；
- 功耗、热状态和启动时间是否满足约束。
2. 典型实验单元
适合优先组织：
- 小模型与控制任务共存实验；
- 静态内存池和固定执行窗口实验；
- 工具链生成结果与手工部署结果对比；
- 低功耗与长稳运行实验。
3. 指标重点
deadline miss ratioP99/P99.9 jitter- 单次推理时延
- 峰值内存占用
- 启动时间
E/inference