自动驾驶中面向动态截止期的节能自适应系统重配置

自动驾驶应用日益增长的计算需求使得能源优化对于降低电池容量与车重至关重要。当前的能源优化方法通常针对具有静态截止期的传统实时系统，导致保守的节能效果，无法利用因车速与驾驶情境变化所产生的动态截止期带来的额外优化空间。我们提出一种自适应系统优化与重配置方法，动态调节调度参数与处理器速度，以在满足动态截止期的同时尽可能少地消耗能量。我们使用来自博世的自动驾驶任务集与真实驾驶数据进行的实验表明，相较于传统静态能源优化方法，在典型动态驾驶场景下平均节能高达 46.4%，展示了利用动态截止期实现动态能源优化的巨大潜力。