Files
rtos_llm_opt/项目框架3-MCU与资源受限SoC的AI实时性与低功耗研究/10-研究框架/01-AI预算调度与控制保护.md
T

55 lines
1.6 KiB
Markdown

# AI 预算调度与控制保护
## 1. 任务模型
控制任务表示为:
```text
τc = (Tc, Dc, Cc, Pc)
```
其中 `T` 为周期、`D` 为截止期、`C` 为执行需求、`P` 为优先级。
AI 任务表示为:
```text
τai = (arrival, deadline, budget_cpu, budget_mem,
budget_power, quality_level, droppable)
```
AI 任务必须声明是否可丢弃、是否允许跳帧以及可接受的最低质量等级。
## 2. 调度原则
- 控制任务使用固定优先级或已验证的实时调度策略;
- AI 使用低优先级后台、预算服务器或可中止任务;
- 将长推理拆分为可抢占或可中断阶段;
- 不可抢占 NPU/GPU 执行段必须测量并纳入控制响应时间;
- AI 请求只有在时间、内存和功耗预算同时满足时才准入。
## 3. 准入条件
```text
schedulable(control | ai_load)
AND peak_memory <= M_budget
AND predicted_power <= P_budget
AND result_deadline_feasible
AND quality >= Q_min
```
准入失败时,系统可以拒绝请求、推迟非关键输入、跳帧或选择更小模型,不能无限排队。
## 4. 控制保护机制
- 控制代码、数据和栈静态分配;
- AI 与控制使用独立内存池;
- 关键中断优先于 NPU、摄像头和通信完成中断;
- 日志采用预分配缓冲并异步输出;
- AI 执行前检查控制裕量;
- AI 超时后结果直接失效;
- 看门狗覆盖 AI 运行时和设备驱动卡死。
## 5. 消融验证
逐项移除预算服务器、内存池、中断隔离、准入和降级机制,比较控制尾延迟、AI 按期率和能耗,识别收益来源。