토토사이트 회원가입 거절融合电子工学部崔正旭教授（AI 硬件及算法研究室）研究团队利用国产 NPU（神经网络处理器），开发了可实时辅助视障人士步行的高性能人工智能应用优化技术。

此次研究重点在于在低功耗 NPU 上实时运行大型视觉-语言模型（Vision-Language Model，VLM），从而向视障人士即时提示周边的危险因素。

现有基于 VLM 的辅助技术虽然具备出色的情境识别性能，但由于计算量巨大，必须依赖高功耗 GPU，因此难以应用于可穿戴设备或移动式装置，电池续航与发热问题十分突出。此外，此类技术以用户提问才回答的被动方式（QA-only）为主，难以应对突发情况，存在明显局限。

为了解决上述问题，崔教授研究团队引入了国产 NPURebellions的“ATOM™”，并提出了两项面向该平台的核心优化技术。第一，通过“帧选择与批处理（Frame Selection & Batching）”方法，将连续视频输入按 NPU 固定的计算结构进行高效处理。第二，采用“两阶段提示（2-Stage Prompting）”技术，在第1阶段描述情境，在第2阶段剔除与步行无关的信息，使 AI 能够主动感知危险（Reminder）并以简洁方式进行提示。

实验结果显示，该技术相较于现有方法将端到端延迟（End-to-End Latency）从14秒级缩短至4秒级，缩短约69.1%，从而实现实时性。在使用真实城市道路行驶视频的演示实验中，也验证了其能够自行识别前方摩托车接近等危险情境，并通过语音发出警告的性能。基于这些技术成果，本项目在首尔 RISE 地产学合作团主办的“Capstone Design Fair”中荣获了优秀奖，取得了佳绩。

此次研究成果的将原本耗电巨大的机遇GPU的AI系统转向低功耗、高效率的国产 NPU 环境，打开了商业化应用的可能性，因此意义深远。研究团队表示，将以已取得的技术为基础，未来把研究拓展至更多端侧 AI（On-device AI）领域。

此外，本研究是信息通信产业振兴院（NIPA）主管的“2025 年高性能计算支持”项目的一环，并获得了基于 NPU 的高性能计算资源支持。