Paper: Joint Scheduling of Sensing Data Offloading and Edge Inference for Multi-UAV Networks

1. 元信息

• paper_id: PAPER_0A8C55F0
• title: Joint Scheduling of Sensing Data Offloading and Edge Inference for Multi-UAV Networks
• year: 2025
• authors: Yanan Du (Univ. of Sheffield), Sai Xu (UCL), Yinbo Yu (NUAA)
• venue: IEEE Transactions on Mobile Computing
• DOI: 10.1109/TMC.2025.3649700

2. 一句话贡献

提出多无人机网络中感知数据卸载与边缘推理的联合调度框架，利用跨阶段通信-计算并行性，通过遗传算法（GA-Joint/GA-DAG）优化数据卸载策略和DNN推理调度，最小化端到端感知延迟。（EVID-PAPER_0A8C55F0-P1-C000）

3. 研究问题

3.1 原始问题

多UAV协同感知需要将异构感知流（RGB/深度/LiDAR）经无线上行卸载到边缘服务器进行多分支DNN推理，但现有方案忽略卸载与推理间的跨阶段交互——异步分支执行可在通信-计算间实现流水线并行优化。（EVID-PAPER_0A8C55F0-P1-C000）

3.2 学术抽象

• 问题类型：多UAV边缘推理的计算-通信联合调度优化
• 关键挑战：同步感知融合约束下的异步调度；策略空间的紧凑表征
• 形式化：N个UAV、M分支DNN，联合优化数据卸载顺序和DNN分支执行时间表以最小化端到端延迟

3.3 问题重要性

多UAV网络是巡检、监视、搜救等实时应用的使能技术，端到端延迟直接影响决策质量。跨阶段并行优化是提升系统效率的关键。

4. 核心思想

利用异步分支执行的灵活性：早到达的感知流允许其对应的DNN分支提前开始推理，无需等待所有流完成传输。将问题建模为联合调度优化问题，用GA搜索最优策略——GA-Joint（20维全联合调度）和GA-DAG（12维轻量DAG调度），后者在接近GA-Joint性能的同时大幅降低搜索复杂度。（EVID-PAPER_0A8C55F0-P5-C021, EVID-PAPER_0A8C55F0-P7-C028）

5. 方法框架

• 输入：多UAV异构感知流（RGB图像、深度图、LiDAR点云）
• 输出：最小化端到端延迟的调度方案（数据卸载顺序+推理时间表）
• 模型：多分支DNN（各分支处理对应模态，边缘服务器端特征级/决策级融合）
• 算法：
  • GA-Joint: Synchronization-Aware Fusion Model + Release-Time Propagation + DAG Scheduling + Communication-Stage Decoding
  • GA-DAG: 轻量级12维策略向量的GA调度
• 损失函数：端到端延迟（最小化目标）
• 数据集：仿真生成的多UAV感知场景
• 评价指标：端到端延迟（不同通信负载C=2/4/6）

6. 实验设计

• Baseline：严格同步调度策略（所有流传输完成后才启动推理）
• Ablation：GA-Joint vs GA-DAG性能对比
• Robustness：不同通信负载(C=2/4/6)下的延迟表现
• 其他：遗传算法收敛性分析

7. 关键结论

8. 隐含假设

系统推断：边缘服务器算力充足且DNN推理时间可预测；UAV间通信信道稳定；感知模态间无强依赖可独立处理。

9. 局限性

系统推断：仅仿真验证未实际部署；GA调度为离线优化未考虑动态拓扑；未建模无线信道竞争和干扰。

10. 可迁移启发

以下为 C 类迁移推断，非原论文结论。

1. 跨阶段并行调度范式：将通信和计算"异步化"，允许部分结果先行处理——可迁移到车联网协同感知、卫星边缘推理等分布式感知场景。
2. 策略空间降维方法：从20维到12维的策略降维思路——在复杂调度中设计"轻量代理策略"大幅降低搜索复杂度。

11. 与其他论文关系

• 前置工作：多UAV协同感知、DNN模型分割推理、移动边缘计算
• 同主题工作：待跨论文综合（与RSMA Multi-UAV Secure Communication存在UAV通信优化关联）

12. Evidence 列表