Offload Rethinking by Cloud Assistance for Efficient Environmental Sound Recognition on LPWANs

要約

学習ベースの環境音認識は、生物学研究や都市規模のセンシングシステムにおける超低消費電力環境モニタリングの重要な手法として浮上してきた。これらのシステムは通常、限られたリソースのもとで動作し、遠隔地では収穫されたエネルギーで駆動されることが多い。デバイス上での音声認識における最近の取り組みは、リソースの制約による精度の低さに悩まされており、一方、クラウドオフロード戦略は高い通信コストによって妨げられています。一方、クラウドオフロード戦略は、高い通信コストによって妨げられる。本研究では、低消費電力広域ネットワーク（LPWAN）上で動作するバッテリーレスデバイス上の新しいリソース効率の高いクラウドアシスト環境音認識システムであるORCAを紹介し、広域オーディオセンシングアプリケーションをターゲットとする。我々は、クラウドオフロードのための通信コストを最小限に抑えながら、デバイス上での推論精度の低さを改善するクラウドアシスト戦略を提案する。自己注意をベースとしたクラウドサブスペクトル特徴選択法を活用し、デバイス上での効率的な推論を促進することで、ORCAは、リソースに制約のあるLPWAN上のクラウドオフロードにおける3つの重要な課題を解決します：1）高い通信コストと低いデータレート、2）動的な無線チャネル条件、3）信頼性の低いオフロード。我々は、エネルギーハーベスティング・バッテリーレス・マイクロコントローラーにORCAを実装し、実世界の都市音響テストベッドで評価しました。その結果、ORCAは、同等の精度を維持しながら、エネルギー節約で最大80回$、レイテンシ削減で最大220回$の最新手法を上回ることが分かりました。

要約(オリジナル)

Learning-based environmental sound recognition has emerged as a crucial method for ultra-low-power environmental monitoring in biological research and city-scale sensing systems. These systems usually operate under limited resources and are often powered by harvested energy in remote areas. Recent efforts in on-device sound recognition suffer from low accuracy due to resource constraints, whereas cloud offloading strategies are hindered by high communication costs. In this work, we introduce ORCA, a novel resource-efficient cloud-assisted environmental sound recognition system on batteryless devices operating over the Low-Power Wide-Area Networks (LPWANs), targeting wide-area audio sensing applications. We propose a cloud assistance strategy that remedies the low accuracy of on-device inference while minimizing the communication costs for cloud offloading. By leveraging a self-attention-based cloud sub-spectral feature selection method to facilitate efficient on-device inference, ORCA resolves three key challenges for resource-constrained cloud offloading over LPWANs: 1) high communication costs and low data rates, 2) dynamic wireless channel conditions, and 3) unreliable offloading. We implement ORCA on an energy-harvesting batteryless microcontroller and evaluate it in a real world urban sound testbed. Our results show that ORCA outperforms state-of-the-art methods by up to $80 \times$ in energy savings and $220 \times$ in latency reduction while maintaining comparable accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL