Auf einem Jetson Nano wird ein Hausschuh mithilfe von einem Faltungsnetz erkannt und verfolgt. Die Verfolgung des Objekts wird dabei durch ein Ferngesteuertes Auto im Maßstab von 1:10 durchgeführt, welches von dem Jetson Nano über PWM-Signale gesteuert wird. Die Objekterkennung geschieht in Echtzeit, dabei wird das Objekt mit durchschnittlich 31.8 Bildern pro Sekunde erkannt. Um dies zu erreichen wurde das trainierte Modell mithilfe von TensorRT quantisiert. Des Weiteren wurde gezeigt, dass das Faltungsnetz durch den Einsatz von Daten Augmentation weiter verbessert werden kann, um so eine höhere Reichweite und Genauigkeit der Objekterkennung zu erreichen.