[论文解读] Towards Interconnected Virtual Reality: Opportunities, Challenges and Enablers

Ejder Baştuǧ, Mehdi Bennis+2 more|arXiv (Cornell University)|Nov 16, 2016

IoT and Edge/Fog Computing被引用 12

一句话总结

本文提出了一种集成边缘/雾计算、主动任务卸载和智能资源管理的互连虚拟现实（IVR）框架，以克服5G及更远期无线网络中延迟、带宽和服务质量的限制。关键结果表明，在高任务同质性条件下，通过主动计算可实现高达22%的沉浸式体验提升；在增强现实（AR）自驾车的信道拥塞情况下，性能提升最高达11%。

ABSTRACT

Just recently, the concept of augmented and virtual reality (AR/VR) over wireless has taken the entire 5G ecosystem by storm spurring an unprecedented interest from both academia, industry and others. Yet, the success of an immersive VR experience hinges on solving a plethora of grand challenges cutting across multiple disciplines. This article underscores the importance of VR technology as a disruptive use case of 5G (and beyond) harnessing the latest development of storage/memory, fog/edge computing, computer vision, artificial intelligence and others. In particular, the main requirements of wireless interconnected VR are described followed by a selection of key enablers, then, research avenues and their underlying grand challenges are presented. Furthermore, we examine three VR case studies and provide numerical results under various storage, computing and network configurations. Finally, this article exposes the limitations of current networks and makes the case for more theory, and innovations to spearhead VR for the masses.

研究动机与目标

• 识别在5G及更远期网络中实现完全互连虚拟现实（IVR）的关键需求与挑战。
• 分析当前无线系统在支持高保真、低延迟VR体验方面的局限性。
• 提出一种多级计算架构（云、雾、边缘），结合主动与被动任务卸载策略，以提升沉浸式体验。
• 在不同网络与计算条件下，评估多样化VR应用场景（包括社交VR和AR增强的自动驾驶汽车）下的系统性能。
• 通过识别未来沉浸式系统的研究空白与使能技术，为理想（完全互连）VR建立理论基础。

提出的方法

• 提出一个三阶段演进模型：当前VR → 互连VR（IVR） → 理想（完全互连）VR。
• 引入一种基于任务同质性（α）和回传容量（Lba）的主动计算模型，以降低延迟并提升QoE。
• 采用分层计算架构，通过云、雾和边缘服务器动态分配VR工作负载，依据网络与设备约束进行调整。
• 使用一种称为“沉浸式体验”的性能度量标准，其定义为延迟、带宽和任务完成可靠性函数的组合。
• 在三个案例研究中进行数值仿真：社交VR、带情绪感知的VR，以及AR增强的自动驾驶汽车，在不同拥塞与主动程度下进行评估。
• 采用系统模型，计算资源在云、雾和边缘的分配比例分别为（16%、25%、59%），具体取决于不同的主动程度设置。

实验结果

研究问题

• RQ1 在不同网络条件下，雾和边缘服务器中的主动任务卸载相比被动方法，如何改善沉浸式VR体验？
• RQ2 当前无线网络中的关键性能瓶颈是什么，导致无法实现无缝、高保真的VR体验？
• RQ3 缓存、边缘/雾计算以及AI驱动的资源分配在多大程度上可缓解互连VR系统中的延迟与带宽限制？
• RQ4 无线回传链路中的信道拥塞如何影响AR增强型自驾车中的沉浸式体验？主动计算能否缓解此影响？
• RQ5 为实现理想、完全互连的VR环境（真实与虚拟世界之间无感知差异），需要哪些理论与架构使能技术？

主要发现

• 在高任务同质性（α = 0.8）条件下，主动计算相比被动低同质性设置，可使沉浸式体验最高提升22%。
• 在AR增强型自驾车中，当信道拥塞达42%时，主动雾和云计算相比被动配置，可使沉浸式体验最高提升11%。
• 主动策略在同质工作负载中表现最佳，表明任务可预测性显著提升性能。
• 即使在高网络拥塞条件下，主动策略仍保持可观的性能优势，证明其在动态环境中的鲁棒性。
• 本研究发现，当前4G及4G前无线系统因带宽与延迟限制，不足以支持高分辨率、实时VR。
• 本文确立，实现理想VR不仅需要技术进步，还需在分布式计算、人工智能与网络控制方面建立更深层次的理论基础。