【儀表網(wǎng) 研發(fā)快訊】邊緣計(jì)算技術(shù)是賦能工業(yè)控制等高實(shí)時(shí)、高可靠應(yīng)用的關(guān)鍵支撐技術(shù)，它通過(guò)將計(jì)算資源部署于終端設(shè)備附近，可為工業(yè)現(xiàn)場(chǎng)提供豐富的算力資源，有效降低任務(wù)傳輸和處理時(shí)延。然而，由于終端設(shè)備上承載的任務(wù)異構(gòu)多樣，而無(wú)線網(wǎng)絡(luò)的通信資源又嚴(yán)重受限，極易導(dǎo)致任務(wù)遷移過(guò)程中的計(jì)算資源搶占和無(wú)線網(wǎng)絡(luò)擁塞。
 

　　針對(duì)該問題，中國(guó)科學(xué)院沈陽(yáng)自動(dòng)化研究所工業(yè)5G團(tuán)隊(duì)提出了一種數(shù)字孿生驅(qū)動(dòng)的異構(gòu)任務(wù)及資源的端邊協(xié)同調(diào)度方法，以論文形式刊載于計(jì)算機(jī)網(wǎng)絡(luò)領(lǐng)域?qū)W術(shù)期刊IEEE Journal on Selected Areas in Communications(中國(guó)科學(xué)院一區(qū)TOP期刊，IF：16.4)。論文名稱為：Digital Twin-Driven Collaborative Scheduling for Heterogeneous Task and Edge-End Resource via Multi-Agent Deep Reinforcement Learning。
 

　　該研究中，科研團(tuán)隊(duì)首先采用數(shù)字孿生技術(shù)，對(duì)感知/控制等異構(gòu)任務(wù)、CPU/GPU等異構(gòu)算力資源、信道/功率等異構(gòu)通信資源進(jìn)行了虛擬化建模。在充分考慮異構(gòu)任務(wù)的截止期要求、端邊設(shè)備的計(jì)算類型和處理能力、數(shù)字孿生的資源估計(jì)偏差、終端的最大發(fā)射功率和可容忍的峰值干擾功率基礎(chǔ)上，構(gòu)建了一個(gè)任務(wù)處理時(shí)間最小化問題，提出了基于多智能體深度強(qiáng)化學(xué)習(xí)的端邊協(xié)同調(diào)度方法。該方法通過(guò)離線的集中式訓(xùn)練和在線的分布式執(zhí)行，同步完成計(jì)算類型匹配、端邊任務(wù)劃分、算力資源分配和功率控制，實(shí)現(xiàn)異構(gòu)任務(wù)及網(wǎng)算資源的端邊協(xié)同調(diào)度，滿足異構(gòu)任務(wù)的多樣化需求。
 

　　近年來(lái)，科研團(tuán)隊(duì)聚焦5G與工業(yè)制造技術(shù)的融合創(chuàng)新研究，在工業(yè)5G網(wǎng)絡(luò)的協(xié)議設(shè)計(jì)與優(yōu)化調(diào)度、標(biāo)準(zhǔn)制定、系統(tǒng)驗(yàn)證等方面取得了一系列研究進(jìn)展，成果先后發(fā)表于IEEE Transactions on Industrial Informatics、IEEE Communications Magazine、IEEE Network、Engineering(《中國(guó)工程院院刊》)等學(xué)術(shù)期刊。
 

無(wú)線網(wǎng)絡(luò)的數(shù)字孿生模型
 

基于多智能體深度強(qiáng)化學(xué)習(xí)的端邊協(xié)同調(diào)度
 

　　該研究成果得到了國(guó)家重點(diǎn)研發(fā)計(jì)劃、國(guó)家自然科學(xué)基金、遼寧省優(yōu)秀青年科學(xué)基金等項(xiàng)目的支持。(工業(yè)控制網(wǎng)絡(luò)與系統(tǒng)研究室)