面向异构自动驾驶引导车的AIoT快慢双学习系统与智能资源调度
《IEICE Transactions on Communications》:Next-generation communications, computing and sensing for industrial artificial-intelligence-of-things: Challenges, emerging technologies and use case study
【字体:
大
中
小
】
时间:2026年09月18日
来源:IEICE Transactions on Communications 1.1
编辑推荐:
**摘要:**
本受邀论文提出了面向物联网中的人工智能(AIoT)的下一代通信、计算与感知的超前愿景,在该愿景中,人工智能(AI)模型被紧密集成到平台中,以缓解扩展现实(XR)和异构自动驾驶引导车(hAGV)等设备面临的时延、能耗约束和计算资源限制。我们引入了两个学习系统:
**摘要:**本受邀论文提出了面向物联网中的人工智能(AIoT)的下一代通信、计算与感知的超前愿景,在该愿景中,人工智能(AI)模型被紧密集成到平台中,以缓解扩展现实(XR)和异构自动驾驶引导车(hAGV)等设备面临的时延、能耗约束和计算资源限制。我们引入了两个学习系统:快速学习系统(FLS),作为设备端模块自动运行,在亚毫秒时间尺度上处理本地无线和感知功能;以及慢速学习系统(SLS),在边缘计算层执行系统级推理、多任务决策和全车队协调。这两个系统由人工智能可编程学习控制器(AILC)进行协调,该控制器根据任务决定并分配计算资源。我们在hAGV上进行了实验,展示了在带宽/连通性和计算约束之间所需进行的必要权衡。最后,我们提出了一个用例研究,说明FLS、SLS等概念如何被实施以解决智能工业车间环境中hAGV全车队停滞问题。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号