瑞典卡尔斯坦德大学、北爱尔兰贝尔法斯特女王大学、捷克理工大学和爱立信
（中国AI网 2024年10月14日）AR/VR系统涉及计算密集型图像处理算法，而这可能会给资源有限的终端设备带来负担。然而，尽管边缘到云计算可以通过将终端设备的计算卸载到附近的边缘设备或远程云服务器来克服终端设备的限制，但在边缘到云基础设施中对延迟敏感的AR/VR服务的最佳放置依然是一个巨大的挑战。
为了应对这一挑战，瑞典卡尔斯坦德大学、北爱尔兰贝尔法斯特女王大学、捷克理工大学和爱立信的研究人员开发了一种MOGA来优化基于AR/VR的服务在多层边缘到云环境中的布局。
AR和VR技术彻底改变了我们与数字和物理世界的交互。边缘计算和云计算的集成带来了AR和VR系统的重大进展，可以允许低延迟数据处理，而这是几乎所有AR/VR系统的关键考虑因素。
边缘计算使数据处理更接近其源，通常在网络边缘，而不是依赖于集中式云服务器。在网络边缘，必要的计算任务可以在边缘设备和/或附近的边缘服务器上执行。边缘计算处理需要低延迟的任务，而云计算可以通过数据中心中强大的计算服务器来管理资源密集型操作。
由于它们的互补性，将边缘和云计算与AR/VR系统集成可以解决关键的延迟需求，同时通过在两层提供强大的计算资源来增强AR/VR体验。AR/VR系统中实时多媒体的复杂性要求更仔细地考虑如何分配计算任务以实现最小延迟，而这是防止视觉或交互元素中断或延迟的一个重要问题。
另外，基础设施和服务相关的可靠性在提供无缝和有效的用户体验方面发挥着重要作用。从输入设备到计算节点和输出设备，边缘到云基础设施的硬件组件必须不间断地运行，以提供流畅的体验。运行AR/VR服务的软件同样必须高度可靠，以防止可能减损用户体验的错误。然而，由于异构设备和计算服务器加上各种通信能力，系统变得更加复杂。
为了解决上述挑战，采用优化方法对于在整个系统的异构资源放置AR/VR服务制定最佳策略至关重要。优化方法必须考虑各种因素，包括节点的内存和计算能力、节点之间的通信特性，以及不同的服务/资源(需求和与所需/正在运行的服务相关的特性来确定决策 等等。
所以，在可用资源中做出关于服务放置的最佳决策极具挑战性。针对这个问题，瑞典卡尔斯坦德大学、北爱尔兰贝尔法斯特女王大学、捷克理工大学和爱立信的研究人员开发了一种MOGA来优化基于AR/VR的服务在多层边缘到云环境中的布局。
团队指出，尽管相关解决方案可以针对各种应用和用例，他们特别关注工业部门的AR/VR辅助远程维修/维护用例。
在与爱立信合作开发的用例中，当工业应用中出现故障的设备需要维修，而现场没有专家时，附近的技术人员可以使用设备上的AR/VR应用程序与远程专家联系。技术人员与远程专家共享故障设备的增强视频，以请求他们帮助识别/排除仪器故障，并且制定相应的维修计划。
在这个特定的用例中，AR/VR应用程序的延迟在其作为修复工具的功能中起着至关重要的作用，所以AR/VR服务的最佳放置，以便通过网络有效地卸载计算，从而满足服务需求非常关键。
团队从系统设计的角度对该问题进行建模，并开发了一种MOGA来同时解决与延迟和可靠性相关的问题。研究人员同时证明了启发式算法不足以解决边缘到云AR/VR系统中服务放置的复杂性，因而证明了使用元启发式方法来实现最优或接近最优解决方案是合理的。
他们使用MOGA是因为基于GA的算法已证明是高度适应性的元启发式算法，并成功地应用于解决各种优化问题。另外，GA算法处理大规模问题的能力及其固有的并行结构使其成为解决研究问题的较好选择。
相关论文：Optimizing Service Placement in Edge-to-Cloud AR/VR Systems using a Multi-Objective Genetic Algorithm
总的来说，团队主要建模了一个多层的边缘到云基础设施，重点是AR/VR系统，需要支持多个版本的服务组件。另外，研究人员提出了一种基于GA的多目标服务放置方法，以同时最小化服务响应时间和最大化基础设施/服务可靠性。
同时，他们提出了一种基于网格的微调过程，以确定MOGA的最佳配置，从而实现MOGA的适应度和运行时间之间的平衡。不仅只是这样，团队开发了一个量身定制的模拟器来评估MOGA与其他启发式算法的性能，并使用多个指标解释了MOGA如何/为什么在边缘到云的AR/VR系统中提供最佳的服务放置解决方案。
