GLASS: エッジロボティクス向けのアーキテクチャ適応型・構成可能なデバイスサイド線形代数ライブラリ

- GLASS (GPU Linear Algebra Simple Subroutines) は、edge robotics 向けの header-only CUDA C++ ライブラリ。 - thread-, warp-, block-, NVIDIA-backed の実装を一つの composable device API で提供。 - robotics-scale の線形代数と幾何計算を対象とする。 - 実装選択・実行スコープ・launch packing をアーキテクチャ固有の配置決定として扱い、オフライン計測に基づきコンパイル時に静的に解決する。

- GPU robotics は成熟した CPU スタックのような再利用可能な数値基盤がなく、compiler frameworks のオーバーヘッドや数値ライブラリの再実装に依存していた。 - GLASS は単一の composable device API の下で複数スコープの実装を提供し、配置決定を静的に解決する点で異なる。 - 最良と最悪の配置の差は中央値 4.9x (最大 81x) に達し、Jetson AGX Orin と RTX 5090 の間で 396 中 145 の推奨配置が変化、AGX Xavier との間では 396 中 162 が変化する。 - edge での優位性は PyTorch と JAX の最良と比べ Orin で最大 73x、RTX 5090 で 12x。

- header-only CUDA C++ ライブラリとして実装。 - thread-, warp-, block-, NVIDIA-backed の各スコープの線形代数・幾何計算カーネルを提供。 - 実装選択、実行スコープ、launch packing をアーキテクチャ固有の placement 決定とみなし、オフライン計測で決定してコンパイル時に静的に解決する。 - 独立した numerical oracles と source-bound local-GPU test attestation を備える。

- 独立した numerical oracles と source-bound local-GPU test attestation を提供。 - Jetson AGX Orin、RTX 5090、AGX Xavier 上で配置の推奨が変化することを計測。 - PyTorch と JAX の最良実装との比較で Orin 最大 73x、RTX 5090 で 12x の優位を確認。 - 公開された robotics systems に統合し、既存の数値バグを発見し、embedded runtime を最大 1.5x 改善。

- 最良と最悪の配置の差が大きく、アーキテクチャ間で推奨配置が変化するため、静的な配置決定の重要性が議論される。 - edge での優位性が特に高いことが示される。 - 統合により既存の数値バグが露呈した点も議論の対象。 - 要旨からは、限界や今後の課題についての明示的な議論は不明。

- 要旨で参照/比較されている研究: PyTorch, JAX。 - 関連手法: compiler frameworks, 数値ライブラリの再実装。 - 同分野の定番: CUDA, cuBLAS, Eigen, Ceres Solver などが考えられるが、要旨での直接参照はない。