ACCESS-AV：自适应通信与计算协同设计，用于智能工厂中可持续的自主车辆定位

《ACM Transactions on Embedded Computing Systems》：ACCESS-AV: Adaptive Communication-Computation Codesign for Sustainable Autonomous Vehicle Localization in Smart Factories

自主配送车辆（ADVs）在5G智能工厂中应用广泛，其定位模块能耗高。ACCESS-AV框架利用5G周期性广播的同步信号块（SSBs）实现V2I定位，无需专用RSU或额外传感器，通过自适应通信-计算策略动态平衡能耗与精度，实验显示较传统系统节能43.09%，定位精度低于30厘米，有效降低基础设施和运营成本，适用于可持续智能工厂环境。

　　

摘要

在支持5G网络的智能工厂中，自主配送车辆（ADVs）被越来越多地用于货物运输。其中，计算密集型的定位模块为优化提供了重要机会。我们提出了ACCESS-AV，这是一种高效能的车辆对基础设施（V2I）定位框架，它充分利用了智能工厂环境中的现有5G基础设施。通过 opportunistically（此处“opportunistically”可能为“机会主义地”或“根据需要”等含义，需结合上下文确定准确译法）访问定期广播的5G同步信号块（SSBs）来进行定位，ACCESS-AV无需专门的路边单元（RSUs）或额外的车载传感器，从而实现了能源效率的提升和成本降低。我们采用基于到达角（AoA）的估计方法，并结合多信号分类（MUSIC）算法进行优化，该方法针对资源受限的ADV平台进行了专门设计，通过自适应的通信计算策略，在信号噪声比（SNR）和车辆速度等环境条件下动态平衡能耗与定位精度。实验结果表明，与使用传统AoA算法（如vanilla MUSIC、ESPRIT和Root-MUSIC）的非自适应系统相比，ACCESS-AV平均实现了43.09%的能源消耗降低。它在保持小于30厘米的定位精度的同时，显著降低了基础设施和运营成本，证明了其在可持续智能工厂环境中的可行性。