Task Offloading and Resource Allocation in Vehicular Cooperative Perception With Integrated Sensing, Communication, and Computation
Notice bibliographique
Résumé
Vehicular cooperative perception (VCP) facilitates the exchange of sensing data among vehicles through vehicle-to-everything (V2X) communication, significantly increasing the sensing range and precision of individual autonomous vehicles (AVs). However, efficiently managing the sharing and processing of large volumes of sensing data presents challenges due to restricted communication and computation resources. This study introduces an integrated sensing, communication, and computation (ISCC)-based task offloading and resource allocation (ITORA) framework, which optimizes cooperative perception by determining what data to share, which vehicles to involve, and how to process the data effectively. We develop an information value function to evaluate the data quality for each vehicle. Subsequently, we design strategies for sensing task allocation, task offloading, and resource allocation to enable value-driven data selection at a subregion level, facilitating collaborative computing among edge servers and vehicles. Additionally, we formulate an optimization problem aimed at maximizing information value while minimizing delay and energy consumption, subject to constraints on a full region of interest (RoI) coverage, delay, wireless bandwidth, and computational resources. We decompose the mixed-integer nonlinear programming (MINLP) problem into two subproblems, devising a sensing task allocation algorithm and a proximal policy optimization (PPO)-based task offloading and resource allocation (PTORA) algorithm to address them. Comprehensive simulations validate the effectiveness of the proposed PTORA in optimizing information value, reducing task execution delay, and minimizing energy consumption.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».