标签:Real 操作系统 Driving 边缘 算法 Edge 计算 卸载 SLAM
fellow的新作,学习一下。
自动驾驶场景
DragonFly Pod,包含了实时的SLAM,实时的障碍检测(基于CV方法),实时的用户语音交互
这三个任务可能就要去边缘计算了
挑战: 把不同的任务,动态分发给不同的计算单元;因为有三个计算密集的任务,所以需要一个轻量级的操作系统?;
贡献:
1,为了充分利用低功耗边缘计算系统的异构计算资源,我们开发了运行时层以及调度算法,以将自主驾驶计算任务映射到异构计算单元,以实现最佳性能和能效。
2,其次,用于机器人工作负载的现有操作系统(例如,机器人操作系统(ROS))通常会带来非常高的通信和计算开销,因此不适合计算资源和能耗受限的系统。 为了管理多种自动驾驶服务及其通信,我们为低功耗边缘计算系统开发了一种极为轻巧的操作系统π-OS,并证明了π-OS的有效性。
3, 第三,有时将计算从边缘客户端卸载到云可以提高能源效率,但是是否卸载以及如何卸载仍然是一个未解决的问题。 为了解决此问题,我们开发了边缘客户端云协调器,以将任务动态卸载到云中,以优化边缘计算系统的能耗。
贡献的1,3是好理解的,是具体的事情,调度算法,2,为什么要开发一个操作系统,,不太了解背景。
SEC2:背景介绍。
这个技术栈还挺好的。
他们用了自己以前研发的VIO SLAM, 物体识别用了Single Shot Multi-Box DETECTOR, 没太听说过。
系统框架图。还是比较清楚的。
任务调度,在异构设备里是NP问题?所以没有最优解?
没有看到更细节的东西啊,比如SLAM拆分成了什么样的TASK?
任务调度这里提出了一个算法,我没什么背景具体算法就先不看了。
操作系统的部分先掠过。
第三部分边缘云,有点迷失了我,emmmm,车辆首先是搭载了传感设备,上文提到的有多种异构计算资源的似乎也是车;在这里提到的边缘云,似乎是个边缘设备。
好吧,和我下意识的理解不太一样。
因为,调度算法这边没咋看懂,所以暂时帮助不大。
标签:Real,操作系统,Driving,边缘,算法,Edge,计算,卸载,SLAM 来源: https://www.cnblogs.com/zherlock/p/12766976.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。