एडॉप्टिव कंप्यूटिंग शेड्यूलिंग फॉर एज-सहायता प्राप्त स्वायत्त ड्राइविंग

यह पेपर स्वायत्त ड्राइविंग में वास्तविक समय के अनुप्रयोगों, जैसे कि स्थान निर्धारण और बाधा से बचने के लिए कंप्यूटिंग संसाधन शेड्यूलिंग की जांच करता है। हमारे विचारित परिदृश्य में, स्वायत्त वाहन पर्यावरण को समय-समय पर महसूस करते हैं, सेंसर डेटा को प्रोसेसिंग के लिए एक एज सर्वर पर भेजते हैं और सर्वर से कंप्यूटिंग परिणाम प्राप्त करते हैं। गतिशीलता और कंप्यूटिंग विलंबता के कारण, एक वाहन अपने सेंसर डेटा को भेजने के क्षण और कंप्यूटिंग परिणाम प्राप्त करने के क्षण के बीच कुछ दूरी तय करता है। हमारा उद्देश्य एज सर्वर के लिए एक शेड्यूलिंग योजना खोजना है ताकि वाहनों की उपरोक्त यात्रा की गई दूरी को न्यूनतम किया जा सके। इस दृष्टिकोण में व्यक्तिगत वाहन की गतिशीलता और एज सर्वर की कंप्यूटिंग क्षमता के अनुसार प्रोसेसिंग क्रम निर्धारित करना शामिल है। हम एक restless multi-arm bandit (RMAB) समस्या को तैयार करते हैं, Whittle इंडेक्स पर आधारित एक सांस्थानिक शेड्यूलिंग योजना डिज़ाइन करते हैं, और गहन पुनर्बलन सीखने (DRL) विधि का उपयोग करके इंडेक्स को निर्धारित करते हैं। प्रस्तावित शेड्यूलिंग योजना DRL शेड्यूलिंग दृष्टिकोणों में सामान्य समय-खपत करने वाली नीति अन्वेषण से बचती है और निम्न जटिलता के साथ प्रभावी निर्णय लेती है। व्यापक सिमुलेशन परिणाम यह दर्शाते हैं कि प्रस्तावित इंडेक्स-आधारित योजना वाहनों को त्वरित रूप से कंप्यूटिंग परिणाम प्रदान कर सकती है जबकि यह समय-परिवर्तनीय वाहन गतिशीलता के अनुकूल है।