面向协作车队的 SLO 感知任务卸载
分布式、并行与集群计算
2024-09-27 v1
摘要
在自动驾驶车辆 (AV) 的语境中，卸载对于保证感知任务的执行（例如移动绘图或目标检测）至关重要。虽然既有工作大量关注通过卸载最小化车辆间网络延迟，但在车队场景下，其他目标值得关注，例如能源效率或重载或公共交通的数据质量。因此，我们通过智能任务卸载在 AV 车队中强制执行这些服务水平目标 (SLO)。我们提出一种基于贝叶斯网络 (BN) 的纯粹车辆对车辆 (V2V) 方法来处理和卸载服务。每个服务将本地观察聚合到对如何确保异构车辆类型的 SLO 的车队范围性理解中。凭借所得模型，服务可以主动决定如果此举可提高全局 SLO 实现就进行卸载。我们在真实场景中对该方法进行了评估，在该场景中，车队中的车辆以 500 毫秒为周期持续解释三个实际感知服务的 SLO。我们的概率性、预测性方法在处理大型 AV 车队方面显示出色；在数秒内，它检测并通过卸载解决 SLO 违规。
引用
@article{arxiv.2409.17667,
title = {SLO-Aware Task Offloading within Collaborative Vehicle Platoons},
author = {Boris Sedlak and Andrea Morichetta and Yuhao Wang and Yang Fei and Liang Wang and Schahram Dustdar and Xiaobo Qu},
journal= {arXiv preprint arXiv:2409.17667},
year = {2024}
}