배포 후에는 무엇이 변하는가? TinyML에서의 온디바이스 학습 (On-device Learning)에 관한 조사

요약

TinyML 환경에서 배포 후 발생하는 데이터 분포 변화 문제를 해결하기 위한 온디바이스 학습(ODL) 연구를 조사합니다. 약 70개의 연구를 '분포 변화 체제'라는 원칙으로 분석하여 하드웨어와 솔루션 구조 간의 관계를 규명합니다.

핵심 포인트

• 배포 후 데이터 분포 변화가 정적 모델의 성능 저하를 유발함
• 온디바이스 학습(ODL)을 통한 실시간 모델 적응 필요성 강조
• 70여 개의 ODL 연구를 '분포 변화 체제' 관점에서 체계적으로 분석
• 방법론적 벤치마크와 실제 배포 시나리오 간의 격차 확인