Investigadores de la Universidad de Pekín logran una extensión del 30% en la duración de la batería para sistemas de IA encarnada con el marco CREATE
Avance revolucionario en IA encarnada energéticamente eficiente
Un equipo de investigadores de la Universidad de Pekín, entre ellos Tong Xie de la Escuela de Circuitos Integrados y Yijiahao Qi, Jinqi Wen de la Escuela de EECS, ha logrado un avance significativo en la inteligencia artificial encarnada energéticamente eficiente. Su trabajo aborda un desafío crítico en el despliegue de sistemas de IA en dispositivos portátiles alimentados por batería: equilibrar la eficiencia energética con la fiabilidad.
El Marco CREATE
El equipo propone CREATE, un innovador marco de resiliencia multicapa que optimiza sinérgicamente el uso de energía y la fiabilidad. El marco logra resultados notables:
- 40.6% de ahorro de energía computacional en comparación con sistemas que operan a voltaje nominal
- 29.5% a 37.3% de reducción de energía a nivel de chip
- 15% a 30% de extensión en la duración de la batería para dispositivos de IA encarnada
- Mantiene la calidad iso-tarea a lo largo de la optimización
Tres Innovaciones Clave
El éxito de CREATE se basa en tres innovaciones fundamentales que trabajan conjuntamente a través de las capas del sistema:
- Detección y Eliminación de Anomalías a Nivel de Circuito: Suprime errores grandes inducidos por violaciones de temporización, estableciendo una base robusta para futuras optimizaciones
- Planificación Mejorada con Rotación de Pesos a Nivel de Modelo: Redistribuye las activaciones de LLM para mejorar la robustez y mantener la calidad de las tareas mientras aborda errores más pequeños persistentes
- Escalado de Voltaje Adaptativo a la Autonomía a Nivel de Aplicación: Ajusta dinámicamente el voltaje de operación del controlador según el estado de ejecución de la subtarea actual, maximizando la eficiencia
Descubriendo la Resiliencia Heterogénea
Mediante estudios completos de inyección de errores, el equipo de investigación descubrió que los sistemas modernos de IA encarnada exhiben tolerancia a fallos inherente pero heterogénea a través de las capas del sistema. Mientras que tanto el planificador basado en LLM como el controlador de aprendizaje por refuerzo demuestran buena robustez a errores a bajas tasas de error de bit (≤10⁻⁷), el controlador muestra una resiliencia significativamente mayor a BER elevadas (10⁻⁷ a 10⁻³).
Esta visión clave formó la base para la estrategia de optimización multicapa sinérgica de CREATE. Los investigadores también encontraron que los valores atípicos de activación sistemática dentro del planificador LLM, combinados con las operaciones de normalización, contribuyen a su pobre resiliencia a mayores tasas de error de bit.
Implicaciones Prácticas
Esta investigación marca un paso significativo hacia agentes de IA encarnada prácticos, robustos y eficientes capaces de operar en entornos del mundo real. Los ahorros de energía se traducen directamente en tiempos operativos más prolongados para robots alimentados por batería y sistemas autónomos utilizados en automatización industrial, operaciones de búsqueda y rescate y diversas aplicaciones de servicio.
El equipo personalizó circuitos dedicados para el escalado dinámico de voltaje en arrays sistólicos y reguladores de baja caída (LDO) para implementar de manera integral estas optimizaciones, haciendo de CREATE no solo un avance teórico sino una solución desplegable para sistemas de IA encarnada de próxima generación.
