π-Edge: A Low-Power Edge Computing System for Real-Time Autonomous Driving Services
作者：互联网
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