ARTSN: Exact and Adaptive Self-triggered Traffic Scheduling for ARTS Networks

中文摘要

适合放在 TSN 调度章节的进阶案例：在 TT/ET 之外引入第三类流量模型 ST，演示如何用可推断到达信息做精确时隙预留，并用轻量在线机制回收闲置预留。

摘要翻译

自主实时系统（ARTS），例如自动驾驶车辆和机器人装配线，越来越多地用于在减少人工干预的同时提升效率、精度和响应速度。在 ARTS 网络中，由系统内部决策（而非固定时刻表或外部事件）触发的自触发流量（self-triggered, ST）日益普遍，对于及时完成自主动作至关重要。但现有调度器对 ST 流量支持不足，存在两个固有难题：易变性（volatility），即有界处理抖动导致到达时刻不确定；以及缺席性（absence），即 ST 流量未真正发生时已预留的网络资源被闲置。为此作者提出 ARTSN，一套构建在 TSN 之上、为 ST 流量量身定制的调度范式。它包含两项关键技术：（1）一种精确离线调度方法，利用 ST 流量可推断的到达信息进行精确时隙预留；（2）一种自适应在线时隙释放机制，在 ST 流量缺席时动态回收未使用的预留。在 TSN 仿真器和真实硬件测试床上的实验表明，ARTSN 在可调度性、可扩展性和效率上显著优于当前先进方法，同时保持可靠的传输保证。

它解决什么问题

现有 TSN 调度器只擅长处理周期固定的 TT 流量和由外部事件触发的 ET 流量。对于自主系统中由内部决策触发的 ST 流量，调度器要么把它当 TT 按固定周期预留（浪费），要么当纯 ET 按最坏情况预留（更浪费且难调度），无法同时应对其到达时刻易变和可能整体缺席这两个特性。

中文解读

核心直觉是：ST 流量虽不确定，但它由某条 TT 流量触发，二者存在确定的触发关系，因此其到达时刻被限定在一个可推断的有界区间内。把这个区间离散成有限个候选到达时刻交给 SMT 求解，就能在不按最坏情况盲目预留的前提下找到精确方案；再用一个不改 GCL 的轻量 RP 帧机制，在确认 ST 缺席时把预留时隙临时让给尽力而为流量。

我的看法

思路很对症：把 ST 当成可推断而非完全随机的流量，是比“当 TT”或“当 ET”都更贴近物理现实的建模，exact 的形式化定义也清晰。我的保留意见是实验规模偏小（43 条流、仅 3 条 ST、线型/星型拓扑），且依赖全局时钟同步、单播、ST 周期等于最小触发间隔等较强假设；RP 帧是尽力而为传输、不保证送达，作者自己也承认可能释放失败。结论方向可信，但能否扩展到大规模多交换机网络仍需更多证据。

相关概念

• 802.1Qbv
• self-triggered traffic
• slot reservation
• SMT 调度
• TSN 流量模型