SAWEC：感知辅助的无线边缘计算

新兴的移动虚拟现实 (VR) 系统需要通过执行基于深度神经网络 (DNN) 的算法，持续对超高分辨率视频帧进行复杂的计算机视觉任务处理。由于最先进的 DNN 所需的计算能力超出了移动设备的承受范围，最近提出了基于无线边缘计算 (WEC) 的技术。然而，现有的 WEC 方法需要传输和处理大量视频数据，这最终可能导致无线链路饱和。在本文中，我们提出了一种新颖的感知辅助无线边缘计算 (SAWEC) 范式来解决这一问题。SAWEC 利用关于物理环境的知识，通过仅向边缘服务器传输与服务交付相关的数据，来减少端到端延迟和整体计算负担。我们的直觉是，可以避免传输与前一帧相比没有变化的那部分视频帧。具体而言，我们利用无线感知技术来估计环境中物体的位置并获取关于环境动态的洞察。因此，仅传输和处理检测到任何环境变化的那部分帧。我们使用工作在 160 MHz 的 Wi-Fi 6 感知系统对 10K 360$^{\circ}$视频进行了评估，执行了定位和跟踪任务。我们将实例分割和物体检测作为性能评估的基准任务。我们在消声室和入口大厅进行了实验，涉及两名人类受试者和六种不同的设置。实验结果表明，与最先进的 WEC 方法相比，SAWEC 将信道占用率和端到端延迟降低了 90% 以上，同时提高了实例分割和物体检测的性能。