SpaceExit-ATC25

SpaceExit: Enabling Efficient Adaptive Computing in Space with Early Exits (ATC 2025)

一句话总结：在轨边缘计算（OEC）系统集成 multi-exit 检测器 + 复杂度感知调度 + 动态资源控制，比 SOTA 静态 OEC 设计平均提升性能 24.3%（最高 37.6%）。

问题

LEO 地球观测卫星每天产 TB 级图像，下行带宽仅 0–220 Mbps；现有 OEC 系统（TargetFuse、Kodan）依赖静态模型与预设规则，模型加载开销远大于推理；切错模型时性能急剧下降。同时卫星面临 -22 °C ~ +77 °C 极端温度、太阳能波动 + 阴影期、单星多异构 chip（Jetson Nano + Xavier NX）的资源约束。

核心方法

SpaceExit 三模块：

• GCAD（Geospatial-Contextual Adaptive Detector）：multi-scale 主干 + 多 early-exit head；router 用 squeeze-and-excitation 风格（多尺度 pooled feature 拼接 + 两层 MLP + sigmoid）输出 uncertainty score；推理时用一个 130 KB 的 MobileNet 分类 land/ocean，结合 GIS 数据库的地理 embedding（terrain、land cover、POI，全球 < 100 MB）调整退出阈值，复杂城市区域更深推理、海面早退。
• CATS（Complexity-Driven Adaptive Task Scheduler）：颜色方差启发式估计 tile 复杂度 $d_t$，按 $w_t=w_{base}/\sqrt{d_t}$ 自适应 tiling；按 $\sigma (i)=\arg {\min }_j{n}_j/{\nu }_j$ 分配到 Nano/Xavier 队列，工作量按 $n_j=\sum d_r|r|$ 加权；队内优先级 $s(r)=\eta /(d(r)-t)+\lambda d_r$ 兼顾 deadline 紧迫与复杂度。
• SRAC（Satellite Resource Adaptive Controller）：按 $\partial X_i/\partial P_i$ 在线回归分配能量；DVFS + 学习的热-功率模型 $T_i(t+1)-T_i(t)=\alpha [P_i-\beta (T_i^4-T_{amb}^4)]$ 主动节流；按 $\tau ={\tau }_{base}\cdot \gamma P_{current}/P_{nominal}$ 收紧/放宽 GCAD 早退阈值；下行带宽用三优先级队列（计算结果 > 遥测 > 不确定性评分图像）。

testbed：Jetson Nano（10 W）+ Jetson Xavier NX（20 W），DOTA 数据集。深度细节见 atc2025-liu-jiacheng。

关键结果

• 比 BentPipe / SpaceOnly / Kodan / TargetFuse 的 SOTA 平均提升 24.3%，最高 37.6%。
• Geospatial router 仅 130 KB（占完整模型 2.4%）。
• GIS 数据库批量查 50 个 embedding，每分钟一次访问，开销可忽略。

相关

• 相关概念：Early-Exit、Edge-Inference、DVFS、Adaptive-Inference
• 同类系统：TargetFuse、Kodan、SpaceOnly
• 同会议：ATC-2025