本文介绍了一种自动化的移动神经结构搜索方法，旨在平衡模型的准确性与延迟。实验结果表明，该方法在多个视觉任务中优于现有模型。同时，提出了基于任务导向的通信方案和端到端可学习的输入过滤框架，以提高资源效率和准确性。研究还探讨了在异构移动处理器上进行深度学习推理的能力与挑战，并提出了多流动态适应的轻量级人工智能模型，验证了其在自主车辆导航中的有效性。