ORBITAL：通过架构感知低精度压缩优化鲁棒脑机推理
ORBITAL: Optimization of Robust Brain--Computer Inference Through Architecture-Aware Low-Precision Compression
AI 导读
研究者提出 ORBITAL 框架，通过架构感知低精度压缩让脑机接口 EEG 解码器兼顾对抗鲁棒性与硬件开销。在 BCI Competition IV-2a 九名受试者上，S25-TRADES 取得压缩 EEGNet 模型中最高的平均 true-union 鲁棒性 23.06%（标准 Full 为 21.27%），参数与 MACs 分别减少 26.27%、25.10%。在 Jetson Orin Nano 上，FP16 压缩最多降低 16.20% 板级能耗与 8.00% 延迟，而原生 INT8 Q/DQ 虽有 99.3% 预测一致率，延迟和能耗约为 FP16 的两倍。