PERCEPTION
Recti-Q：面向边缘机器人中分布外鲁棒量化感知的特征空间矫正
Hamidreza Yaghoubi Araghi, Parastoo Pilevar, Ming C. Lin
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文揭示了后训练量化在分布偏移下会显著降低机器人感知可靠性，并提出Recti-Q框架，通过冻结量化骨干并训练轻量级适配器来恢复鲁棒性。该方法在保持极低参数开销的同时，能恢复大部分损失的性能，甚至匹配全精度模型。
关键词
quantizationrobustnessedge roboticsfeature-space rectificationout-of-distribution
相关论文
PERCEPTION
📊 22,245 引用
Artificial intelligence: a modern approach
1995
PERCEPTION
📊 14,348 引用
Are we ready for autonomous driving? The KITTI vision benchmark suite
Andreas Geiger, P Lenz, R. Urtasun
2012
PERCEPTION
开放获取📊 9,777 引用
TensorFlow: Large-Scale Machine Learning on Heterogeneous Distributed Systems
Martı́n Abadi, Ashish Agarwal, Paul Barham 等 20 位作者
2016
PERCEPTION
📊 9,681 引用
Vision meets robotics: The KITTI dataset
Andreas Geiger, Philip Lenz, Christoph Stiller 等 4 位作者
2013