将自动驾驶的实时计算任务合理分配到云端，兼顾低延迟与带宽效率。
Managing Bandwidth: The Key to Cloud-Assisted Autonomous Driving
- 设计动态带宽分配策略，按需将关键计算任务上云。
- 在严格延迟约束下，实现车载系统与云端协同的高效算力调度。
- 适合关注车云协同、智能驾驶系统优化的研究者和工程师。
主流观点认为，无法依赖云端支持自动驾驶等关键实时控制系统。本文提出相反观点：我们不仅能够，而且必须这么做。随着模型规模增大、硬件性能提升以及移动网络演进，将部分时敏且高延迟敏感的计算任务卸载至云端成为可能。这需要精细分配带宽以满足严格的延迟服务等级目标（SLO），同时最大化对车辆系统的效益。
原文摘要 · Abstract (English)
Prevailing wisdom asserts that one cannot rely on the cloud for critical real-time control systems like self-driving cars. We argue that we can, and must. Following the trends of increasing model sizes, improvements in hardware, and evolving mobile networks, we identify an opportunity to offload parts of time-sensitive and latency-critical compute to the cloud. Doing so requires carefully allocating bandwidth to meet strict latency SLOs, while maximizing benefit to the car.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。