近年來，隨著智能萬物互聯(lián)時(shí)代的快速到來和新一代無線通信網(wǎng)絡(luò)的高速普及，各類新興智能應(yīng)用如智慧城市、智能制造、新零售、智能安防等百花齊放.這些新興數(shù)據(jù)密集型應(yīng)用在網(wǎng)絡(luò)邊緣設(shè)備產(chǎn)生的數(shù)據(jù)量正在高速攀升，對(duì)數(shù)據(jù)傳輸帶寬和數(shù)據(jù)處理的實(shí)時(shí)性都提出了更高的要求.邊緣計(jì)算應(yīng)運(yùn)而生，通過將計(jì)算資源和任務(wù)從云端下沉到網(wǎng)絡(luò)邊緣側(cè)，貼近數(shù)據(jù)源頭提供分析處理服務(wù)，從而降低數(shù)據(jù)傳輸帶寬消耗和數(shù)據(jù)處理延遲，從邊緣到中心更好地一體化支撐各類新興數(shù)據(jù)密集型的實(shí)時(shí)應(yīng)用.

得益于技術(shù)演進(jìn)而不斷提升的帶寬效率和實(shí)時(shí)性雙重優(yōu)勢，邊緣計(jì)算近年來得到了迅速發(fā)展，除了在商業(yè)上的得到國內(nèi)外傳統(tǒng)云計(jì)算巨頭如谷歌、微軟、亞馬遜、百度、騰訊和阿里巴巴的高度青睞，美國、歐盟和我國還從國家層面對(duì)邊緣計(jì)算展開了政策規(guī)劃和科研布局.在美國，國防部高級(jí)研究計(jì)劃局(DARPA)2017年資助了DCOMP重點(diǎn)項(xiàng)目，研究邊緣計(jì)算在軍事領(lǐng)域應(yīng)用；美國國家科學(xué)基金會(huì)(NSF)發(fā)布的2020—2022年MLWiNS專項(xiàng)，專門支持研究跨邊緣網(wǎng)絡(luò)的分布式機(jī)器學(xué)習(xí).在歐洲，歐盟地平線(EU Horizon)2020計(jì)劃自2016年起連續(xù)資助了FAR-EDGE,FogGuru和DECENTER等多個(gè)邊緣計(jì)算相關(guān)的重大項(xiàng)目.在我國，廣東、北京、上海等多個(gè)省市制定的“新基建”戰(zhàn)略行動(dòng)方案均明確指出推動(dòng)邊緣計(jì)算基礎(chǔ)設(shè)施建設(shè).此外，國家重點(diǎn)研發(fā)計(jì)劃“寬帶通信和新型網(wǎng)絡(luò)”和“物聯(lián)網(wǎng)與智慧城市”等多個(gè)專項(xiàng)均將邊緣計(jì)算作為重點(diǎn)方向列入支持.

為了分享國內(nèi)學(xué)者在邊緣計(jì)算方面的最新研究成果，推動(dòng)國內(nèi)邊緣計(jì)算領(lǐng)域前沿技術(shù)的交流，加強(qiáng)我國在邊緣計(jì)算方面的研究，《計(jì)算機(jī)研究與發(fā)展》推出了此次邊緣計(jì)算專題.本專題共錄用了6篇論文，論文作者既有來自于海內(nèi)外知名高校的資深學(xué)者，也有來自于谷歌和英特爾等業(yè)界龍頭的一線研發(fā)人員.所錄用的6篇論文分別展示了邊緣計(jì)算賦能自動(dòng)駕駛、邊緣計(jì)算賦能智能家居、邊緣計(jì)算資源分配、邊緣計(jì)算任務(wù)卸載、邊緣機(jī)器學(xué)習(xí)、邊緣計(jì)算賦能機(jī)器人等方面的研究現(xiàn)狀和最新成果.希望這組論文能夠?yàn)橄嚓P(guān)領(lǐng)域的研究提供一些啟發(fā)和幫助.

張燕詠團(tuán)隊(duì)的論文“基于多模態(tài)融合的自動(dòng)駕駛感知及計(jì)算”深入研究了邊緣計(jì)算賦能的實(shí)時(shí)自動(dòng)駕駛技術(shù)，著力于解決自動(dòng)駕駛實(shí)時(shí)運(yùn)行的兩大主要挑戰(zhàn)：在計(jì)算資源有限的情況下，融合多模態(tài)的感知數(shù)據(jù)提升感知模塊的精度；對(duì)任務(wù)進(jìn)行合理的分配，并在不影響精度的情況下對(duì)感知任務(wù)進(jìn)行計(jì)算優(yōu)化.論文首先建立了自己的智能小車自動(dòng)駕駛系統(tǒng)Sonic，進(jìn)而系統(tǒng)性地分析和比較了自動(dòng)駕駛感知算法，提出了自己的融合感知算法ImageFusion，并且針對(duì)自動(dòng)駕駛的實(shí)時(shí)性問題，推出了新的計(jì)算優(yōu)化框架MPInfer.

張黔團(tuán)隊(duì)的論文“智能家居中的邊緣計(jì)算”探討了智能家居場景中的邊緣計(jì)算，全面系統(tǒng)地展示了作者圍繞感知、通信和計(jì)算3個(gè)方向所展開的研究.在感知方面，作者關(guān)注邊緣節(jié)點(diǎn)的泛在感知能力，介紹他們在非接觸式呼吸監(jiān)測上取得的進(jìn)展；在通信方面，作者研究無線感知和無線通信的融合設(shè)計(jì)，在有限的頻譜資源上兼顧感知和通信；在計(jì)算方面，作者關(guān)注基于邊緣節(jié)點(diǎn)的個(gè)性化機(jī)器學(xué)習(xí)，在不泄露用戶數(shù)據(jù)的前提下建立個(gè)性化機(jī)器學(xué)習(xí)模型.

楊旸團(tuán)隊(duì)的論文“多層次算力網(wǎng)絡(luò)中代價(jià)感知任務(wù)調(diào)度算法”研究如何高效激發(fā)多層次算力網(wǎng)絡(luò)中異構(gòu)資源的積極性.論文首先提出了一個(gè)云霧混合多層次算力網(wǎng)絡(luò)及計(jì)算卸載系統(tǒng)，定義了一個(gè)由時(shí)延、能耗及付費(fèi)組成的加權(quán)代價(jià)函數(shù)，并基于該函數(shù)建模了一個(gè)代價(jià)感知任務(wù)調(diào)度問題.為了激發(fā)云和霧的積極性,作者提出了基于計(jì)算量的付費(fèi)模型并將付費(fèi)相關(guān)代價(jià)也考慮進(jìn)上述總代價(jià)，并進(jìn)一步設(shè)計(jì)了一個(gè)基于勢博弈的分布式任務(wù)調(diào)度算法來激發(fā)算力資源積極性.

陳旭團(tuán)隊(duì)的論文“綠色能源驅(qū)動(dòng)的移動(dòng)邊緣計(jì)算動(dòng)態(tài)任務(wù)卸載”研究如何高效利用綠色可再生能源來提升邊緣計(jì)算系統(tǒng)的全局能效.所提出的任務(wù)卸載框架融合設(shè)備間通信(D2D)技術(shù)和綠色能源捕獲技術(shù)來促進(jìn)綠色能源在邊緣計(jì)算系統(tǒng)中的利用.由于綠色能源的可用性通常有著高度動(dòng)態(tài)性和不可預(yù)測性等特點(diǎn)，論文基于李雅普諾夫方法設(shè)計(jì)了無需預(yù)測未來綠色能源可用性的在線任務(wù)卸載方法，該方法僅基于當(dāng)前信息即可做出近似最大化長期新能源利用率的任務(wù)卸載決策.

李雙峰團(tuán)隊(duì)的論文“TensorFlow Lite：端側(cè)機(jī)器學(xué)習(xí)框架”專注于TensorFlow Lite這一輕量、快速、跨平臺(tái)的專門針對(duì)移動(dòng)和IoT 場景的開源機(jī)器學(xué)習(xí)框架,從系統(tǒng)開發(fā)者的角度系統(tǒng)深入地介紹了端側(cè)機(jī)器學(xué)習(xí)的浪潮、挑戰(zhàn)和典型應(yīng)用，探討了TensorFlow Lite的起源、系統(tǒng)架構(gòu)、最佳實(shí)踐和適合初學(xué)者的工具鏈，并展望了端側(cè)機(jī)器學(xué)習(xí)未來的發(fā)展方向.

王志剛團(tuán)隊(duì)的論文“機(jī)器人4.0：邊緣計(jì)算支撐下的持續(xù)學(xué)習(xí)和時(shí)空智能”專注于如何使得機(jī)器人具有理解和決策能力，實(shí)現(xiàn)自主服務(wù)，從而從機(jī)器人3.0時(shí)代邁向機(jī)器人4.0時(shí)代.論文深入探討了持續(xù)學(xué)習(xí)、時(shí)空智能和邊緣計(jì)算3項(xiàng)關(guān)鍵技術(shù)：通過持續(xù)學(xué)習(xí)，機(jī)器人能夠?qū)⑴f任務(wù)的知識(shí)快速遷移到新的任務(wù)中，并解決災(zāi)難性遺忘問題；通過時(shí)空智能讓機(jī)器人對(duì)周圍的環(huán)境建立起從高層到底層的表示，并可像人一樣從不同的粒度上分享和解決問題；最后充分利用邊緣計(jì)算提供更高性價(jià)比的服務(wù)，把各種智能和知識(shí)很好地組合起來，實(shí)現(xiàn)規(guī)?；渴?

本次專題所錄用的6篇論文研究內(nèi)容豐富：既有探索邊緣計(jì)算在自動(dòng)駕駛、智能家居和機(jī)器人等前沿領(lǐng)域應(yīng)用的實(shí)踐性研究，又有專注于邊緣計(jì)算底層資源分配和任務(wù)卸載的理論性研究，同時(shí)還有融合邊緣計(jì)算和機(jī)器學(xué)習(xí)的交叉性前瞻研究，兼顧理論前沿?zé)狳c(diǎn)和實(shí)際應(yīng)用問題.相信通過端邊云一體化架構(gòu)和技術(shù)的發(fā)展，邊緣計(jì)算進(jìn)一步與大數(shù)據(jù)、人工智能結(jié)合將迸發(fā)處更大的技術(shù)和應(yīng)用價(jià)值.限于專題篇幅等原因，本次收錄的論文難以全面涵蓋該領(lǐng)域的最新動(dòng)態(tài).此外，論文審稿過程中難免會(huì)有疏漏，希望各位作者和讀者諒解包涵.不當(dāng)之處，還請同行專家批評(píng)指正.最后，感謝作者、審稿專家和編輯部的大力支持與辛勤付出.