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

AI 预算调度与控制保护

1. 任务模型

控制任务表示为：

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：

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

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。