支持本地机器学习的新型智能眼镜平台
本文介绍ARGO智能眼镜平台，利用STM32N6微控制器及其集成NPU实现本地机器学习，保护隐私并降低延迟。通过软硬件协同设计，部署优化后的YOLOv11模型进行实时城市障碍物识别，引入头并行注意力机制（HPA）适配NPU，模型仅占用2.483 MB内存，mAP50-95达24。该平台集成多模态传感器，以10 FPS运行，200 mAh电池续航约113分钟，展示了高性能、隐私保护且社交可接受辅助设备的可行性。
研究人员近日在arXiv上提交了一篇论文，详细介绍了一款名为ARGO的智能眼镜平台，该平台旨在将人体工学舒适性、高计算吞吐量和能效融为一体。与依赖云端的解决方案不同，ARGO采用STM32N6微控制器及其集成的神经网络处理单元（NPU），在设备本地执行所有机器学习推理，从而显著降低延迟并保护用户隐私。这项工作的核心贡献在于硬件、固件和人工智能的整体协同设计，并部署了一个针对实时城市障碍物识别进行优化的YOLOv11模型。
为了确保与目标NPU的兼容性，研究团队引入了一种名为头并行注意力（Head-wise Parallel Attention, HPA）的架构改进。这种机制能够在保持原始计算逻辑的同时，高效利用NPU加速器。模型在“步行在路上”（Walking On The Road, WOTR）数据集上训练，最终配置在严格的内存约束下达到了24的mAP50-95，而内存占用仅为2.483 MB。这一结果展示了在资源受限的嵌入式设备上实现较高精度的可能性。
ARGO平台集成了丰富的多模态传感器套件，包括RGB摄像头、飞行时间（ToF）传感器、麦克风和环境传感器。系统能够以10帧每秒的速度处理数据，在200毫安时电池供电下，连续工作续航时间约为113分钟。这些成果证明了构建高性能、保护隐私且社交可接受的辅助设备的可行性，并强调了有竞争力的边缘AI解决方案日益需要紧密集成的多学科协同设计方法。
该研究由EssilorLuxottica与米兰理工大学的联合研究中心“智能眼镜实验室”完成，论文于2026年6月17日提交至arXiv。