Utility AI for Dynamic Task Offloading in the Multi-Edge Infrastructure

要約

クラウド インフラストラクチャへの永続的な接続を回避するために、マルチロボット ドメインのネットワーク エッジ デバイスでのコンピューティングが現在重視されており、遅延に敏感なジョブを可能にする有望な手段となっていますが、その導入には課題が山積しています。
この論文では、計算、通信、およびタスク実行負荷を考慮して、遅延に敏感なアプリケーションの全体的なサービス時間を最小限に抑える、マルチエッジ ロボット システムに基づく、ユーティリティを意識した新しい動的タスク オフロード戦略を提案します。
タスクのオフロードの前に、継続的なデバイス、ネットワーク、およびタスクのプロファイリングが実行され、割り当てられたタスクごとに、重み付きユーティリティ最大化手法を使用して最大のユーティリティを持つエッジが導出され、タスクの接続性または感度に対するシステム報酬の割り当てが実行されます。
スケジューラはタスクの割り当てを担当し、エグゼキュータはエッジ デバイスでのタスクのオフロードを担当します。
提案されたアプローチと従来のオフロード方法を実験的に比較すると、リソース使用率の最適化とタスクの待ち時間の最小化という点でパフォーマンスが向上していることがわかります。

要約(オリジナル)

To circumvent persistent connectivity to the cloud infrastructure, the current emphasis on computing at network edge devices in the multi-robot domain is a promising enabler for delay-sensitive jobs, yet its adoption is rife with challenges. This paper proposes a novel utility-aware dynamic task offloading strategy based on a multi-edge-robot system that takes into account computation, communication, and task execution load to minimize the overall service time for delay-sensitive applications. Prior to task offloading, continuous device, network, and task profiling are performed, and for each task assigned, an edge with maximum utility is derived using a weighted utility maximization technique, and a system reward assignment for task connectivity or sensitivity is performed. A scheduler is in charge of task assignment, whereas an executor is responsible for task offloading on edge devices. Experimental comparisons of the proposed approach with conventional offloading methods indicate better performance in terms of optimizing resource utilization and minimizing task latency.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google