自己適応型マルチアクセス・エッジ・アーキテクチャ：ロボティクス事例

要旨: 計算集約型のAIタスクの成長は、処理コストを抑制し、性能およびエネルギー効率を改善する必要性を浮き彫りにしている。これには、コンティニアム内でのインフラの適応的スケーリングと計算の効率的なオフロードを担うアーキテクチャ上の適応監督者として、インテリジェント・エージェントを統合することが求められる。本論文では、混在する人間—ロボット環境における効率的な計算システムのための自己適応アプローチを提案する。計算タスクは、感覚データを活用して人の移動行動を予測するニューラルネットワーク・アルゴリズムに関連付けられており、移動ロボットの先回りした経路計画を強化し、人の安全を確保する。ニューラルネットワーク処理を効率化するために、Kubernetesによってオーケストレーションされる、異種の処理ユニットを備えた分散エッジ・オフロードシステムを構築した。応答時間と消費電力を監視することで、MAPE-Kベースの適応監督者は、スケーリングとオフロードに関する情報に基づいた意思決定を行う。結果は、従来の構成と比較してサービス品質が顕著に改善したことを示しており、AI駆動システムに対して提案アプローチが有効であることを実証している。