論文の概要: A Generic Service-Oriented Function Offloading Framework for Connected Automated Vehicles

• arxiv url: http://arxiv.org/abs/2602.08799v1
• Date: Mon, 09 Feb 2026 15:39:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.292019
• Title: A Generic Service-Oriented Function Offloading Framework for Connected Automated Vehicles
• Title（参考訳）: 連結自動車用汎用サービス指向機能オフロードフレームワーク
• Authors: Robin Dehler, Michael Buchholz,
• Abstract要約: 本稿では,任意の計算タスクセットのオフロードに使用できる汎用関数オフロードフレームワークを提案する。 タスクがローカルに処理されるか、リモートで処理されるかは、CAVの位置に依存する。
• 参考スコア（独自算出の注目度）: 1.1530471391114212
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Function offloading is a promising solution to address limitations concerning computational capacity and available energy of Connected Automated Vehicles~(CAVs) or other autonomous robots by distributing computational tasks between local and remote computing devices in form of distributed services. This paper presents a generic function offloading framework that can be used to offload an arbitrary set of computational tasks with a focus on autonomous driving. To provide flexibility, the function offloading framework is designed to incorporate different offloading decision making algorithms and quality of service~(QoS) requirements that can be adjusted to different scenarios or the objectives of the CAVs. With a focus on the applicability, we propose an efficient location-based approach, where the decision whether tasks are processed locally or remotely depends on the location of the CAV. We apply the proposed framework on the use case of service-oriented trajectory planning, where we offload the trajectory planning task of CAVs to a Multi-Access Edge Computing~(MEC) server. The evaluation is conducted in both simulation and real-world application. It demonstrates the potential of the function offloading framework to guarantee the QoS for trajectory planning while improving the computational efficiency of the CAVs. Moreover, the simulation results also show the adaptability of the framework to diverse scenarios involving simultaneous offloading requests from multiple CAVs.
• Abstract（参考訳）: 関数オフロードは、ローカルとリモートのコンピューティングデバイス間で計算タスクを分散サービスとして分散することにより、Connected Automated Vehicles~(CAV)や他の自律ロボットの計算能力と利用可能なエネルギーに関する制限に対処する、有望なソリューションである。 本稿では,自律運転に着目した任意の計算タスクのオフロードに使用できる汎用関数オフロードフレームワークを提案する。 柔軟性を提供するため、関数オフロードフレームワークは、異なるシナリオやCAVの目的に合わせて調整可能な、さまざまなオフロード決定アルゴリズムとサービス品質~(QoS)要件を組み込むように設計されている。 適用性に着目して,タスクがローカルに処理されるか,リモートで処理されるかは,CAVの位置に依存するという,効率的な位置ベースアプローチを提案する。 そこでは,CAVの軌道計画タスクをマルチAccess Edge Computing~(MEC)サーバにオフロードする。 評価はシミュレーションと実世界のアプリケーションの両方で行われる。 CAVの計算効率を向上しつつ、軌道計画のためのQoSを保証するために、関数オフロードフレームワークの可能性を示す。 さらに、シミュレーションの結果は、複数のCAVからの同時オフロード要求を含む様々なシナリオへのフレームワークの適応性を示す。

関連論文リスト

• A Unified Experimental Architecture for Informative Path Planning: from Simulation to Deployment with GuadalPlanner [69.43049144653882]
  本稿では,車種別制御から高レベルの意思決定を分離する統一アーキテクチャを提案する。 提案アーキテクチャは、計画、センシング、車両実行の標準化されたインターフェースを定義するGuaralPlannerを通じて実現されている。
  論文  参考訳（メタデータ） (2026-02-11T10:02:31Z)
• Multi-Staged Framework for Safety Analysis of Offloaded Services in Distributed Intelligent Transportation Systems [0.9391318889072767]
  本稿では,ローカルサービスとリモートサービスのサービス構成に依存する安全分析のためのフレームワークを提案する。 計算複雑性を考慮した拡張フレームワークの性能を比較した。
  論文  参考訳（メタデータ） (2026-02-09T15:56:11Z)
• Dependency-Aware Task Offloading in Multi-UAV Assisted Collaborative Mobile Edge Computing [53.88774113545582]
  本稿では,新しい無人航空機(UAV)による協調移動エッジコンピューティング(MEC)フレームワークを提案する。 システムコストを最小限に抑え、タスク消費とエネルギー消費のトレードオフを改善することを目的としている。 提案手法はシステムコストを大幅に削減し,タスク消費とエネルギー消費のトレードオフの改善を実現する。
  論文  参考訳（メタデータ） (2025-10-23T02:55:40Z)
• TSLA: A Task-Specific Learning Adaptation for Semantic Segmentation on Autonomous Vehicles Platform [60.378160142579]
  NVIDIAtextsuperscripttextregistered DRIVE PX 2.0のようなターゲットプラットフォームにデプロイする場合、計算コストを考慮することが重要です。 我々の目標は、自律運転ハードウェアの計算能力と特定のシナリオに応じてセマンティックセグメンテーションネットワークをカスタマイズすることである。
  論文  参考訳（メタデータ） (2025-08-17T08:09:13Z)
• Hierarchical Task Offloading for UAV-Assisted Vehicular Edge Computing via Deep Reinforcement Learning [11.695622067301128]
  部分オフロードに基づく2層UAV支援エッジコンピューティングアーキテクチャを提案する。 提案アーキテクチャは異種資源の効率的な統合と調整を可能にする。 提案手法は,タスク完了率,システム効率,収束速度において,いくつかのベースラインを上回っていることを示す。
  論文  参考訳（メタデータ） (2025-07-08T07:10:52Z)
• Cluster-Based Multi-Agent Task Scheduling for Space-Air-Ground Integrated Networks [60.085771314013044]
  低高度経済は、コミュニケーションやセンシングなどの分野で発展する大きな可能性を秘めている。 本稿では,SAGINにおけるマルチUAV協調タスクスケジューリング問題に対処するため,クラスタリングに基づく多エージェントDeep Deterministic Policy Gradient (CMADDPG)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-12-14T06:17:33Z)
• Reconfigurable Intelligent Surface Assisted VEC Based on Multi-Agent Reinforcement Learning [33.620752444256716]
  車両のエッジコンピューティングは、タスクをローカルに実行したり、近くのエッジデバイスにオフロードすることで、高強度タスクを実行することができる。 リアシスト(RIS)は、車両通信をサポートし、代替の通信経路を提供するために導入された。 改良型マルチエージェント・ディープ決定性勾配ポリシーを応用した新しい深層強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-17T08:35:32Z)
• Deep Reinforcement Learning for Collaborative Edge Computing in Vehicular Networks [40.957135065965055]
  協調エッジコンピューティングフレームワークは、コンピューティングサービスのレイテンシを低減し、車両ネットワークのサービスの信頼性を向上させるために開発されている。 人工知能(AI)に基づく協調コンピューティングアプローチが開発され、車両のタスクオフロード、コンピューティング、結果配信ポリシーが決定される。 当社のアプローチでは,サービスレイテンシとサービス障害ペナルティを含むサービスコストを,最適なワークロード割り当てとサーバの選択によって最小化することができる。
  論文  参考訳（メタデータ） (2020-10-05T00:06:37Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。