本项目着重于深度学习与机器人的结合应用，设计在复杂环境下智能探测、识别的自主探测机器人，利用PYNQ实现BNN二值神经网络，将物体识别深度模型移植到嵌入式终端应用，并且设计了轮腿式复合运动方式，提高探测机器人的运动能力。

本项目主要研究的是最短路径神经网络模型的仿真与硬件设计问题。System Generator是Xilinx公司开发的基于Simulink图形环境的DSP开发工具，同时也是一个基于FPGA的信号处理建模和设计工具。本文采用 System Generator 与 Vivado 联合设计，用 System Generator 进行系统建模，生成模型化的数字系统，将设计转换成硬件电路，最后在 Vivado 中完成仿真、综合、实现及芯片配置。以 Xilinx Nexys4 DDR 开发板为硬件平台，实现神经网络的硬件实现。

一个带有python接口的FPGA神经网络推断过程加速器IP，可以通过这个工具用python快速生成一套针对特定稀疏连接优化的神经网络加速器HDL设计。生成的语言为Systemverilog hdl。v1.0中实现功能包括：任意连接方式（前向/前向跨层）；并行程度可设（整数倍矩阵乘法行分片）；tanh激活函数。