面向物联网设备的节能群机器人通信与计算成本优化方法

《Green Technologies and Sustainability》：Optimizing communication and computational cost for IoT devices in energy efficient swarm robotics

　　

物联网(IoT)的发展使群机器人能够在监测、农业及灾害响应等任务中展现出更高的灵活性与效率，但机载能量与处理能力受限，使得协调所需的通信成为主要能耗来源。针对这一问题，研究人员提出了一种统一的优化框架，将自适应通信协议与启发式卸载算法相结合，以通信能耗为主要优化目标，计算成本为次要考量。该框架依据网络状态动态调整发射功率与传输速率，并利用基于粒子群优化(PSO)的方法在数据本地处理与云端处理之间寻找最优平衡。实验在嵌入式平台(NVIDIA Jetson Nano与TX2)上进行，结果表明，该方法相较静态方案可显著降低约25%–35%的通信相关能耗，同时减少CPU负载波动，验证了优先优化通信能耗可在不影响协调性能的前提下显著提升群机器人的能量效率与运行寿命。

该研究聚焦于能量受限的物联网群机器人系统，针对现有方法多将通信与计算独立优化、忽视二者耦合关系的问题，提出了一种通信优先的联合优化框架。研究背景在于，群机器人协作依赖大量无线通信，其能耗可占总能量的80%，尤其在异构硬件与动态网络条件下，单纯优化单一环节难以实现整体能效最大化。为此，研究人员构建了包含通信能耗E_i^comm与计算能耗E_i^comp的加权目标函数，其中通信权重w_c大于计算权重w_p，确保优化优先降低无线传输成本。采用粒子群优化(PSO)启发式算法求解卸载比例θ_i，并结合自适应通信层实时调整发射功率、数据率与占空比。实验在异构嵌入式平台(Jetson Nano与TX2)上进行，涵盖图像分类、角点检测与图像滤波三类视觉任务。结果显示，该框架在30分钟内累计通信能耗降低25%–35%，平均CPU利用率下降约18%–25%，任务完成时间缩短，且在BLE、LoRaWAN、MQTT与CoAP等不同通信协议下均表现出能耗与延迟的双重优化效果。研究证实，在资源受限的群机器人系统中，将通信能耗置于优化首位，可显著延长系统运行寿命并提升扩展性，为大规模物联网机器人部署提供了可行的能效管理方案。该成果发表于《Green Technologies and Sustainability》。

关键技术方法方面，研究人员采用了粒子群优化(PSO)启发式算法处理非凸约束下的卸载决策，结合自适应通信协议实现发射参数动态调整，并在ROS环境下集成TensorFlow Lite与PyTorch Mobile进行视觉任务推理。实验样本来自异构嵌入式平台Jetson Nano与TX2，通过tegrastats工具采集功耗数据，并在Gazebo仿真环境中验证不同规模群机器人下的性能表现。

研究结果部分，首先在系统模型与优化框架中，研究人员建立了通信与计算能耗的线性模型，明确了二者与卸载比例θ_i的定量关系，并通过加权目标函数实现通信优先的优化策略。其次，在约束条件设计中，引入电池能量上限E_i^max、CPU处理能力C_i^max及共享信道容量B^max限制，确保方案可行性。第三，在实施层面，通过PSO迭代更新卸载决策，并结合可行性投影与带宽缩放机制，实现了分布式低开销优化。第四，在硬件平台测试中，Jetson TX2在高负载任务下峰值功耗超过6.0?W，而Jetson Nano稳定在4.7?W以下，验证了异构平台的能耗差异对优化策略的影响。第五，在软件与协议实验中，自适应通信协议根据剩余能量与链路质量(RSSI)动态调整参数，使通信能耗在不同视觉任务下均显著降低。第六，在结果分析中，通信能耗累计曲线斜率明显减小，CPU负载分布更加均匀，任务完成延迟缩短，且在不同通信协议栈(BLE、LoRaWAN、MQTT、CoAP)下均实现了能耗与延迟的双重优化。

讨论与结论部分指出，该研究的核心贡献在于将通信能耗模型与计算能耗模型显式耦合于同一优化回路，突破了传统分离优化的局限。研究人员强调，未来工作应进一步引入信噪比(SNR)相关的能耗模型、随机优化方法以及更公平的带宽分配策略，并探索去中心化PSO与分层优化以适应更大规模群机器人系统。结论认为，通信优先的联合优化框架在异构群机器人中具有显著的能效提升作用，能够在不牺牲协调性能的前提下延长系统寿命，为物联网机器人领域的节能设计提供了可推广的方法论基础。