美国国防部研究与工程（R&E）能力原型办公室与空军研究实验室（AFRL）转型能力办公室（TCO）协调，将于2022年秋季举行一场聚焦于雾计算和边缘计算的虚拟解决方案会议。会上，选定的创新公司将向政府代表介绍其技术和产品。如符合国防部需求，就有可能被选中进行试点项目或试验。

在整个国防部企业中，平台配备了传感器网格，收集大量数据，以执行多域任务。国防部需要变革计算技术来增加机载数据分析，限制通信延迟和成本，提高人类态势感知能力，实现适应性决策，并为数据收集和处理提供高效能计算和体系结构。此外，国防部需要协同计算和前沿网络化能力，以融合多个空间、信号和报告。

1 概念

边缘计算是实时处理传感器数据所需的技术和能力的集合，可以从数据中产生见解，并通过具有不同连通性级别的分布式应用程序与数据进行交互。雾计算是一个选择性过滤器，通过将边缘数据发回到云进一步处理，从而在数据之间提供额外的数据管理和分析。

2 解决方案

空军实验室正在研究雾和边缘计算的解决方案，重点是人机界面，高效能计算和数据收集/处理架构以及协同计算、融合和网络化。该实验室正在寻找能够在以下领域实现雾计算和边缘计算的创新技术：

人机界面（HCI）：聚焦于计算机技术的设计，以促进人类（用户）和计算机之间的交互，从而提高任务性能。雾与边缘计算为近端系统（物理上靠近用户的边缘节点，可以直接进行交互）和远端系统（物理上远离用户的边缘节点，必须通过网络连接进行交互）创造了新的人机界面挑战和机会。雾与边缘计算也为实时或近实时任务的人机界面利用带来了挑战和机遇。

空军实验室正在寻找创新的解决方案，从而：

  • 感知和适应用户的认知、生理和生理状态，任务和目标，当地的自然环境，社交和团队互动以及偏好；

  • 允许灵活使用：良好的尺寸、重量和功率（SWaP）效率，根据平台或问题规模进行扩展，可更新、可重构的架构/软件，降低用户培训要求；

  • 支持处理和显示：实时或近实时、多方面的信息，潜在的相互关联的信息；

  • 提供自动化和可解释性：对数据的解释或总结，计划、反应和决策；

  • 智能多模态显示：高度动态的数据，体量大、异构和多维的数据集，异构和互连的数据。

高效能计算和数据收集/处理架构：通过计算机架构，包括互联的硬件（处理组件和内存）和组件之间的数据流，在所有点上寻求高效能。处理器或系统的输入和输出可以是环境传感器输入（射频、光电等）、人类界面或其他计算系统。处理系统可以与输入/输出系统配置或通过通信链路连接。边缘处理领域面临的挑战包括（但不限于）减少延迟和提高吞吐量，减少C-SWaP，提高系统互操作性，支持系统扩展，便于更换或升级。空军实验室正在寻找创新的解决方案，以：

  • 改善处理中的延迟和吞吐量：用于高通量数据分析，用于低延迟数据到决策，具有适应性和高效的架构；

  • 计算/控制/通信电子产品：具有更低的能耗、低散热、较低的系统和维护成本等特征；

  • 可扩展和冗余架构：分布式内存/数据存储、适用于广泛数据类型的计算能力、功能和/或冗余的可重构系统、系统可扩展为额外的硬件资源；

  • 更快的现场升级：易于编程和集成，减少固件更改/升级时间，高级设计/修改工具；

  • 高效的系统冷却解决方案：热电冷却器，机械冷却/接触冷却。

协同计算、融合和网络化：聚焦于结合整个网络的信号、特征、数据和信息，使所有梯队的决策均能以冲突的速度进行。未来的雾和边缘计算能力必须利用协同计算、前沿网络和人工智能的进步，以融合多空间、多信号和多报告。

3 重点研究领域

国防部多模、协同和网络边缘计算的三个重点领域包括：

（1）感知（无监督学习、快速建模和新目标任务分配）；

（2）互操作计算（使用开放架构支持分散执行）；

（3）全域能力（可扩展性能的定制数据流）。

协同计算、融合和网络化（CCFN）要求先进的硬件，如减少C-SWaP的设备，使其能够在包括机载和单兵便携式系统在内的各种平台上使用。网络化能力的进步将为边缘感知和理解提供韧性、高带宽的通信，以及融合和AI/ML应用的处理器的进步。CCFN专注于开发边缘-人工智能的理论方法和架构的进展，但是，任务、硬件和软件应该同设计，以提高性能。空军实验室正在寻找创新的解决方案，以实现：

基于边缘的感知和融合使用：

  • 生成对抗网络；

  • 转移学习；

  • 无监督学习；

  • 感知与融合架构：分散的学习方法、自适应通信结构和混合模态感知。

可互操作的协同计算：

  • 分布式AI计算和处理：用于态势评估和跨分布式系统的数据感知和理解；

  • 互操作性的开放标准和协议；

  • 用于连接和吞吐量的网络技术；

  • 软件开发方法：持续集成/持续部署（CI/CD）、使用的容器、基础设施作为代码、微观服务基础架构。

全域能力：

  • 可定制的多空间、多信号和多报告：用于数据流、知识共享和协同；

  • 及时、准确、自信的数据决策；

  • 优化传感器管理和任务分配；

  • 数据的透明度和洞察力的准确性；

  • 跨域的模型可解释性和适应性；

  • 产生的见解和决策的可解释性。

声明：本文来自防务快讯，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。