148毫秒,和我之前說的
150毫秒相差無幾。
看來研發部這幾天確實沒找到突破口。
我正對著數據琢磨優化方向。
突然身后傳來一陣熟悉的高跟鞋聲。
我回頭一看,是慕辰萃。
她穿著一身淺灰色的職業裝,手里拿著文件夾,目光徑直朝我這邊投來。
周圍的同事似乎也察覺到了,敲鍵盤的聲音都輕了幾分,偷偷用余光瞥著我們。
張濤連忙走過來,笑著說:
“慕總,您怎么過來了?”
慕辰萃微微點頭,目光落在我面前的電腦屏幕上,語氣平靜地問:
“林譯,關于視覺定位延遲的問題,你之前說的方案,現在能和張濤他們聊聊具體怎么落地嗎?”
我心里一緊,隨即定了定神——
她果然是為了這事來的。
我站起身,指了指屏幕上的數據:
“慕總,您看,目前咱們的延遲還在
148毫秒左右,我之前說的邊緣計算與云端協同架構,剛好能針對這個問題。”
張濤也湊過來看屏幕,疑惑地問:
“林譯,你說的把簡單任務下沉到本地終端,具體哪些任務算‘簡單’?本地終端的算力能扛得住嗎?”
我拿起筆,在旁邊的草稿紙上畫了個架構圖:
“濤哥,你看,像目標識別里的基礎輪廓判斷、距離測算里的短距定位,這些都屬于簡單任務,用輕量化的
obile模型就能處理,不需要占用太多算力。”
“復雜的比如多場景路徑規劃、動態障礙物規避,再上傳到云端,這樣既能分流,又能保證精度。”