Đợt công bố ngày 23/9 trên arXiv ghi nhận nhiều nghiên cứu tập trung triển khai mô hình học máy trực tiếp lên phần cứng hạn chế tài nguyên, nổi bật là mẫu gậy thông minh hỗ trợ thị giác trị giá 88 USD và khung dẫn đường PAANI cho robot đường thủy trên vi điều khiển.
Theo báo cáo arXiv:2609.22277, các tác giả đã phát triển mẫu gậy thông minh hoạt động hoàn toàn ngoại tuyến trên bo mạch Raspberry Pi Zero 2W với chi phí linh kiện 88 USD. Thiết bị kết hợp cảm biến hình ảnh RGB và cảm biến đo khoảng cách Time-of-Flight (ToF), chạy mô hình SSD MobileNet V1 lượng tử hóa INT8. Hệ thống tiêu thụ công suất đỉnh 2,8 W, đạt độ trễ trung bình 330 ms và điểm F1 vĩ mô 0,82 trong các tình huống di chuyển trong nhà. Khảo sát sơ bộ trên 12 người dùng khiếm thị ghi nhận điểm đánh giá khả năng sử dụng SUS đạt 78,5 điểm.
Cùng định hướng tối ưu hóa cho thiết bị biên, nghiên cứu PAANI (arXiv:2609.22353) giới thiệu kiến trúc nhận diện và định hướng cho robot giám sát sông trên bo mạch Arduino UNO Q. Hệ thống kết hợp mô hình nhận diện YOLO11n và phân đoạn ngữ nghĩa MobileNetV3 Small ở định dạng FP32 ONNX với tổng dung lượng 14,817 MB. Trong thử nghiệm kết nối môi trường mô phỏng Gazebo qua ROS 2, pipeline đạt độ trễ trung vị 467,8 ms ở tần số quét 0,5 Hz, đồng thời minh bạch hóa các bằng chứng thị giác giúp kiểm tra nguyên nhân đưa ra chỉ dẫn hành trình.
Bên cạnh phần cứng nhúng, arXiv cũng công bố các phương pháp nâng cao độ tin cậy của AI trong đánh giá y tế và an toàn công cộng. Nghiên cứu GaitVista (arXiv:2609.22619) đưa ra cơ chế lọc độ tin cậy cho cảm biến hình ảnh và quán tính nhằm đo đạc dáng đi phục hồi chức năng, giúp giảm sai số toàn thân 27,7% trên tập dữ liệu TotalCapture so với các phương pháp kết hợp thông thường. Trong lĩnh vực giao thông, nghiên cứu arXiv:2609.22694 phân tích 4.781 hồ sơ tai nạn liên quan đến người sa sút trí tuệ tại Texas, ứng dụng mô hình Gemma và cơ chế trì hoãn có chọn lọc để chuyển 30% ca khó cho con người thẩm định, qua đó nâng macro-F1 lên 0,573 trên tập tự động hóa.