LLHR：面向资源受限无人机群的低时延高可靠 CNN 分布式推理
分布式、并行与集群计算
2023-05-26 v1 机器学习
摘要
近年来，无人机（UAV）在许多关键应用中表现出令人印象深刻的性能，如监视、搜索与救援行动、环境监测等。在这些应用中，无人机捕获图像及其他传感数据，然后将数据处理请求发送至远程服务器。然而，由于连接不稳定、带宽有限、能量受限以及严格的端到端时延，该方法在基于实时的应用中并非总是可行。一个有前景的解决方案是将推理请求划分为可依据可用资源在无人机群中分配的子任务。此外，这些任务产生的中间结果需要在无人机群移动覆盖区域时可靠传输。我们的系统模型处理实时请求，旨在找到保证更高可靠性与低时延的最优传输功率。我们将低时延高可靠（LLHR）分布式推理表述为一个优化问题，并因问题复杂性将其划分为三个子问题。在第一个子问题中，我们求解在保证传输可靠性的前提下连通无人机的最优发射功率。第二个子问题旨在求解网格中无人机的最优位置，最后一个子问题求解 CNN 层在可用无人机中的最优放置。我们进行了大量仿真，并将我们的工作与两种基线模型比较，表明我们的模型优于竞争模型。
引用
@article{arxiv.2305.15858,
title = {LLHR: Low Latency and High Reliability CNN Distributed Inference for Resource-Constrained UAV Swarms},
author = {Marwan Dhuheir and Aiman Erbad and Sinan Sabeeh},
journal= {arXiv preprint arXiv:2305.15858},
year = {2023}
}
备注
arXiv admin note: substantial text overlap with arXiv:2212.11201