看论文《An edge-based architecture to support the execution of ambience intelligence tasks using the IoP paradigm》

这是我在dblp上搜“edge intelligence”（边缘智能）搜到的最新论文。这篇论文是给家用AIoT设计了一个边缘计算架构。

家用AIoT已经比较常见了，像米家生态链、小度、天猫精灵等，用户可以通过说话来开空调、关灯、查天气、打车。但家用AIoT中的AI成分，似乎都集中在语音交互这一块，而图像这块用的不多。

大家可能都有这种经历：剪刀、订书机之类的小东西，平时不用的时候能经常看见，而需要用的时候就找不到了。如果家里有摄像头的话，说不定上次收拾剪刀、订书机的时候，摄像头是看见了的，但摄像头不会告诉你，剪刀和订书机都收哪去了。因为以摄像头的计算能力，很难自己做目标检测，只能把画面传输给AI服务提供商，让他们做目标检测。这里绕不开网络成本、隐私问题。

论文设计的架构，简单说就是让户主自己做自己的AI服务提供商。摄像头做不了的目标检测，电脑可以，那就在自家电脑上做。温度计、麦克风、智能手环等传感器能用到的AI服务，也在自己的电脑上做，由架构负责各方面的协调。这样只需要局域网内部通信，解决了网络成本问题；也不需要把数据传给任何AI服务商，解决了隐私问题。

架构有4层——手机、边缘服务器、传感器、云。云仅当做后备。

• 传感器可以用LAN与边缘服务器通信，或者用BLE与手机通信。

• 边缘服务器可以是家用电脑，负责任务调度，同时可以部署镜像容器来提供多种轻量的AI服务。

• 传感器的数据，与边缘服务器的服务，都视为资源，都有资源描述信息，手机与边缘服务器共享资源描述数据库。

• 手机向边缘发出请求，例如人脸识别；边缘从资源描述数据库里，选出合适的摄像头，将数据传给提供人脸识别服务的容器，把推理结果传回手机；如果手机不接受此结果，边缘就调用云服务，将云的结果传给手机。

做边缘计算平台：

Pods间的通信问题，原因找到了，是例程与新版KubeEdge的设备协议版本不兼容。改用旧版的KubeEdge，就解决了。(最终部署过程和结果)