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>
480 B
480 B
预期成果与论文方向
1. 预期成果
本子课题预期形成：
- 面向 MCU 的静态智能控制问题定义；
- 小模型与控制任务静态编排方法；
- 工具链、代码生成与部署检查框架；
- 低功耗、小型化场景下的系统边界证据。
2. 论文方向
可对应的论文方向包括：
- TinyML / Edge AI on MCU
- 低功耗嵌入式智能系统
- 静态部署与工具链协同
- 实时控制中的小模型纳入问题