面向无人机机队任务的边缘分析与航迹协同调度的启发式算法
机器人学
2021-02-18 v1 分布式、并行与集群计算
摘要
无人机（UAV）或无人飞行器正日益用于交通监控与建筑勘测等城市应用。自主导航使无人机能够访问航点并完成其任务中的活动。一项常见活动是悬停并使用机载相机观测某位置。深度神经网络（DNN）的进展使得此类视频可用于自动化决策分析。无人机亦承载边缘计算能力以由此类 DNN 进行机载推理。为此，针对无人机机队，我们提出了一种新颖的任务调度问题（MSP），其协同调度访问航点并录制视频的飞行航线及随后的机载边缘分析。所提调度在满足活动截止时间以及能量与计算约束的同时，最大化来自活动的效用。我们首先证明 MSP 为 NP-hard，进而通过构建混合整数线性规划（MILP）问题对其最优求解。接着，我们设计两种高效启发式算法 JSC 与 VRC，提供快速次优解。使用真实无人机轨迹对这三种调度器的评估展示了多样工作负载下的效用-运行时间权衡。
引用
@article{arxiv.2102.08768,
title = {Heuristic Algorithms for Co-scheduling of Edge Analytics and Routes for UAV Fleet Missions},
author = {Aakash Khochare and Yogesh Simmhan and Francesco Betti Sorbelli and Sajal K. Das},
journal= {arXiv preprint arXiv:2102.08768},
year = {2021}
}
备注
infocom 2021 paper