rtos_llm_opt/02-项目框架/02-项目框架2-面向AI的实时控制基础系统研究/20-子课题A-面向MCU的静态智能控制基础系统/40-合作与成果/02-预期成果与论文方向.md

预期成果与论文方向

1. 方法成果

1. 面向 MCU / 控制端的静态智能控制问题定义；
2. 控制任务、模型和平台的统一描述方法；
3. 小模型与控制任务离线联合编排方法；
4. 静态内存、固定推理窗口和有界通信设计；
5. 部署前资源、可调度性和安全准入方法；
6. 规则兜底、异常切换与恢复方法。

2. 工具与软件成果

• 模型解析、量化和算子合法化工具；
• 目标板算子执行时间与资源数据库；
• Tensor Arena与链接布局生成器；
• 控制任务与AI任务联合调度分析器；
• SylixOS C/C++任务包装与配置生成器；
• PASS / PASS WITH LIMITS / REJECT部署报告生成器；
• 板端采样、故障注入和数据汇总工具。

3. 原型与数据成果

原型A：RK3588 + SylixOS方法原型

完成控制任务、CPU小模型、静态Arena、固定窗口、超时和规则兜底的完整闭环。

原型B：控制端收缩原型

在RK3568/RK3576或等价平台上复现，并量化内存、功耗和BSP迁移成本。

原型C：真正MCU验证样机

完成KB/MB级内存、快速启动、E/inference和控制截止期验证。

数据集

• 控制任务时间序列；
• 算子和完整模型执行时间；
• 内存峰值与碎片；
• 功耗、温度和启动数据；
• 超时、过载、降级和恢复事件；
• 预测值与实测值误差。

4. 论文组织建议

不建议把所有设备和工具链塞入一篇论文。建议拆成三类成果。

论文1：静态联合编排方法

核心问题：模型和控制任务如何在部署前共同完成内存、时间和准入分析。

主要贡献：统一描述、静态内存规划、时间编排和预测—实测校准。

论文2：SylixOS控制端共存与故障隔离

核心问题：AI进入控制端后，SylixOS如何维持关键任务边界并限制故障传播。

主要贡献：固定优先级、核绑定、中断/DMA干扰、规则兜底和恢复实证。

论文3：真正MCU上的低功耗静态智能控制

核心问题：在极小SRAM、Flash和功耗预算下，静态智能任务的成立边界是什么。

主要贡献：内存极限、快速启动、E/inference和跨设备迁移。

5. 可使用的学术方向表述

• 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；
• AI workload admission for real-time systems；
• predictable embedded inference；
• safety fallback for intelligent control。

6. 产业交付物

• 面向芯片与板卡的AI任务准入规范；
• SylixOS静态智能任务开发模板；
• 面向设备厂商的部署检查工具；
• 电机/泵/工业节点参考样机；
• 联合白皮书和基准测试报告；
• 芯片选型与模型适配矩阵。

7. 成果成熟度阶梯

阶段	可对外表述
仅RK3588方法原型	控制端SoC上的静态编排方法验证
增加RK3568/RK3576	跨控制端平台的迁移与收缩验证
增加真正MCU	面向MCU的静态智能控制实证
形成工具和样机	可部署的开发套件与产业方案

在真正MCU实验完成前，不将SoC结果表述为MCU极限结论。