研究人員近日在arXiv上提交了一篇論文，詳細介紹了一款名為ARGO的智能眼鏡平台，該平台旨在將人體工學舒適性、高計算吞吐量和能效融為一體。與依賴雲端的解決方案不同，ARGO採用STM32N6微控制器及其集成的神經網絡處理單元（NPU），在設備本地執行所有機器學習推理，從而顯著降低延遲並保護用户隱私。這項工作的核心貢獻在於硬件、固件和人工智能的整體協同設計，並部署了一個針對實時城市障礙物識別進行優化的YOLOv11模型。
為了確保與目標NPU的兼容性，研究團隊引入了一種名為頭並行注意力（Head-wise Parallel Attention, HPA）的架構改進。這種機制能夠在保持原始計算邏輯的同時，高效利用NPU加速器。模型在“步行在路上”（Walking On The Road, WOTR）數據集上訓練，最終配置在嚴格的內存約束下達到了24的mAP50-95，而內存佔用僅為2.483 MB。這一結果展示了在資源受限的嵌入式設備上實現較高精度的可能性。
ARGO平台集成了豐富的多模態傳感器套件，包括RGB攝像頭、飛行時間（ToF）傳感器、麥克風和環境傳感器。系統能夠以10幀每秒的速度處理數據，在200毫安時電池供電下，連續工作續航時間約為113分鐘。這些成果證明了構建高性能、保護隱私且社交可接受的輔助設備的可行性，並強調了有競爭力的邊緣AI解決方案日益需要緊密集成的多學科協同設計方法。
該研究由EssilorLuxottica與米蘭理工大學的聯合研究中心“智能眼鏡實驗室”完成，論文於2026年6月17日提交至arXiv。