Energy-Efficient Power Control for Multiple-Task Split Inference in UAVs: A Tiny Learning-Based Approach

要約

無人航空機 (UAV) のエネルギーとコンピューティング リソースは限られているため、航空人工知能の応用は妨げられています。
UAV での分割推論の利用は、コンピューティング要件とエネルギー要件を軽減する効果があるため、大きな注目を集めています。
ただし、UAV でエネルギー効率の高い分割推論を実現することは、エネルギー レベルや遅延制約など、特に複数のタスクを伴うさまざまな重要なパラメーターを考慮すると依然として複雑です。
この論文では、分割推論におけるエネルギー最小化のための 2 つのタイムスケールのアプローチを紹介します。このアプローチでは、離散変数と連続変数が 2 つのタイムスケールに分離され、アクション空間のサイズと計算の複雑さが軽減されます。
この分離により、逐次タスクの離散送信モードを選択するための極小強化学習 (TRL) の利用が可能になります。
さらに、最適化プログラミング (OP) が TRL の出力と報酬関数の間に組み込まれており、連続送信電力を最適化します。
具体的には、送信電力の最適化を送信時間の最適化に置き換えて、エネルギー消費が送信時間の増加とともに単調減少することが明らかになったので、OP の計算の複雑さを軽減します。
この置き換えにより、実行可能領域が大幅に減少し、最適な送信電力の閉形式に従って高速な解決策が可能になります。
シミュレーション結果は、提案されたアルゴリズムがより低いエネルギー消費でより高い確率でタスクを正常に完了できることを示しています。

要約(オリジナル)

The limited energy and computing resources of unmanned aerial vehicles (UAVs) hinder the application of aerial artificial intelligence. The utilization of split inference in UAVs garners significant attention due to its effectiveness in mitigating computing and energy requirements. However, achieving energy-efficient split inference in UAVs remains complex considering of various crucial parameters such as energy level and delay constraints, especially involving multiple tasks. In this paper, we present a two-timescale approach for energy minimization in split inference, where discrete and continuous variables are segregated into two timescales to reduce the size of action space and computational complexity. This segregation enables the utilization of tiny reinforcement learning (TRL) for selecting discrete transmission modes for sequential tasks. Moreover, optimization programming (OP) is embedded between TRL’s output and reward function to optimize the continuous transmit power. Specifically, we replace the optimization of transmit power with that of transmission time to decrease the computational complexity of OP since we reveal that energy consumption monotonically decreases with increasing transmission time. The replacement significantly reduces the feasible region and enables a fast solution according to the closed-form expression for optimal transmit power. Simulation results show that the proposed algorithm can achieve a higher probability of successful task completion with lower energy consumption.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google