低功耗无线网络拥有一项隐藏的“超能力”，即时隙信道跳频协议( TSCH)。TSCH协议构建了一套精密编排的机制：设备在精确时隙内轮流传输消息，同时跳转频率以避免干扰。凭借出色的可靠性和能效，TSCH协议广泛应用于智能工厂和环境传感器等领域。

但TSCH协议存在局限性。当环境条件变化时，此类网络难以应对。例如机器人发生移动、流量模式改变或网络节点故障等情况。传统算法虽可调整时隙调度，但计算开销巨大，对于仅依靠毫瓦级功率和数千字节内存运行的设备而言，成本过高。

ADI研究员Martina Balbi 在博士论文中致力于解决上述挑战。她思考的问题看似并不复杂：能否在不破坏协议的前提下，将AI引入微型设备以克服上述挑战？

常规思路是训练神经网络来完全替代协议调度逻辑，让AI全权负责调度和路由等所有事务。但Martina发现关键问题：这种方法并不可行。

在她的调度实验中，使用了一个适合有限设备资源的基础神经网络，在模仿专家算法时达到了 95%的数值准确率 。准确率看似很高，但根据协议规则验证，只有 61%的输出实际上有效。在无线通信中，无效调度不仅会导致性能下降，还会引发信号冲突、浪费能源甚至网络瘫痪。

她由此得出了一个核心洞察： 不应使用AI替代协议逻辑，而应将AI作为受约束的决策支持机制。 让经过学习的模型预测中间变量、提示、建议和评分，同时依靠确定性机制来确保输出严格符合协议规范。

ADI将这种混合方法称为“物理智能”， 也就是将AI从抽象概念引入物理世界。在物理世界中，毫秒级决策、不完美的感知数据和硬性约束共同决定了系统成败。

Martina针对低功耗无线网络中的三项不同挑战提出了三种独特解决方案，充分诠释了上述理念。

实现极速调度

第一项贡献解决了调度计算的问题。TSCH网络需为每条通信链路分配时隙和信道，属于复杂优化问题，传统算法依赖大量计算求解。

Martina的方法是训练紧凑型神经网络来模仿专家调度器，并将其部署于搭载神经加速器的ADIMAX78000微控制器上。

取得的成效十分显著：

• 推理时间从传统算法的 201毫秒缩短至104微秒；
• 能耗从1,606微焦耳降至5微焦耳。

相当于速度提升了2,000倍，能效提高了300倍。 原本需要数百毫秒完成调度的设备，现可在微秒级内完成。相当于将城际驾驶压缩为过街步行，将体育场泛光灯的能耗缩减为激光笔水平。

关键在于：模型输出会被输入到确定性验证器，以确保符合协议规范。AI提供运算速度，协议保障结果正确性。

动态环境下自适应调整路线

第二个贡献解决了一个更复杂的问题：当机器人移动时网络会发生什么情况？静态路由失效，数据包丢失，网络性能下降。

GENIAL是Martina开发的集中式遗传算法跨层网络管理系统。它联合优化路由和TSCH调度，在由算力受限节点组成的移动网络中维持高可靠性和低延迟。在包含50个移动节点的实测条件下，GENIAL的数据包交付量比标准方法67% ，且延迟保持稳定。

随后推出的GENIALNet:是一种模仿学习模型，将GENIAL行为压缩进神经网络，使编排时间缩短6至10倍。值得注意的是，Martina的研究表明，当协议约束足够严格时，精心设计的启发式算法可达到与学习模型相当的性能。由此可见，即便AI有效，也并非总是解决问题的唯一途径。

优化机器人集群广播通信

第三项贡献Plyo解决了机器人集群的下行通信问题。当中央控制器向数百台机器人广播命令或更新时，标准方法是每台机器人向邻居重播消息。这种“洪泛”机制虽稳健但效率低下：连接良好的机器人中继转发无人需要的数据包造成能源浪费，且整个广播过程需等待最难触达的机器人接收完毕才能结束。

Plyo通过仅选择位置最优的机器人作为中继节点重播消息来解决上述问题，从而在不破坏协议的前提下优化了TSCH性能。Martina进一步利用AI进行优化，开发了卷积评分网络PlyoNet。PlyoNet通过学习选择能够最大化覆盖范围的中继节点，以触达最远端节点。由于协议已保证所有选择的安全性，AI可专注于性能优化，无需额外配置确定性验证器。

这项工作所解决的许多挑战源于OpenSwarm 项目。OpenSwarm是欧盟资助的项目，旨在打造新型节能协作智能节点集群，为环境、工业和社会创造广泛效益。为支持实体实验，OpenSwarm采用了DotBot机器人。DotBot是一款10厘米见方的低功耗机器人，搭载超高效ADI MAX78000作为AI加速器。GENIAL和Plyo正是为此类机器人及ADI利默里克Catalyst中心正在搭建的千机集群而设计。如需进一步了解ADI公司对OpenSwarm的贡献，请参阅这篇文章。

我们相信，得益于本研究，利默里克中心的测试集群及未来规模更大、功能更强的机器人集群将实现更高效、更稳健的通信。上述技术不仅适用于地球，同样适用于物理环境更严苛、零容错的月球场景，网络架构将依然保持稳定。