#边缘计算

本研究提出了一种基于深度确定性策略梯度(DDPG)的算法，用于优化UAV辅助的移动边缘计算(MEC)系统中的任务卸载。通过优化用户调度、任务卸载比例、UAV飞行角度和速度，旨在最小化最大处理延迟。实验结果表明，与传统算法相比，该DDPG算法显著降低了处理延迟。

Raptor是一个面向边缘计算的应用开发平台。它提供API服务器端点，支持应用状态查询、端点管理和WebAssembly部署。这个平台允许开发者创建、管理和部署边缘应用，有助于实现分布式计算。Raptor的架构设计适合构建现代化的边缘计算解决方案。

MoonBit是一个WebAssembly编程语言工具链,专为云计算和边缘计算设计。它提供在线IDE,无需安装。采用数据导向设计,生成小巧高效的WASM输出,运行和编译性能优异。支持函数式编程,控制结构灵活,适合开发高效WebAssembly应用。

workers-og 是专为 Cloudflare Workers 环境优化的 og:image（社交卡片）生成器。这个快速、无浏览器依赖的工具利用 Vercel 的 Satori 引擎，支持简单 HTML 输入并通过 HTMLRewriter 解析为 React 元素对象。它提供类似 @vercel/og 的简洁 API，在边缘高效运行，为开发者带来灵活、高性能的社交图像生成方案。

UP Bridge the Gap专注提供边缘计算设备,包括工业级嵌入式板卡、系统和AI加速模块。产品线涵盖高性能主板、Intel认证套件等,适用于工业自动化、智慧城市和零售等领域。该平台致力于打造可靠、灵活、可扩展的边缘计算硬件,推动AI和物联网技术创新与应用。

Actcast利用边缘设备的深度学习能力连接物理世界与网络。平台支持使用Raspberry Pi等低成本设备构建高级IoT方案,通过边缘计算降低成本并增强数据安全。Actcast提供SDK支持开发定制应用,目前已有超过100家AI/IoT领域企业加入合作。该平台显著降低数据传输和服务器成本,减少隐私和机密信息泄露风险。

KubeEdge是基于Kubernetes的开源边缘计算平台，将容器应用编排和设备管理扩展到边缘节点。它具有云边协作、边缘自治和轻量级代理等特点，支持使用Kubernetes API管理边缘应用和设备。KubeEdge包含云端和边缘组件，为云边网络、应用部署和数据同步提供基础设施，并支持MQTT协议实现边缘设备接入。该平台有助于在边缘高效处理数据，提升响应速度并保护数据隐私。

ReductStore是一款高性能时序数据库，专门用于存储和管理大量非结构化数据。它具有出色的写入和实时查询性能，支持数据批处理，适用于边缘计算、计算机视觉和物联网等应用场景。该数据库提供HTTP(S) API、实时FIFO存储桶配额和数据标记功能，并支持多种编程语言的客户端SDK，有效简化了开发流程。

nn-Meter是一个用于预测深度神经网络模型在边缘设备上推理延迟的系统。其核心是将模型推理分解为内核级别进行预测。系统在26000个模型的数据集上评估了4个主流平台,在移动CPU、GPU和VPU上达到较高预测精度。无需部署即可预测延迟,可用于硬件感知的神经架构搜索,并支持构建自定义设备的延迟预测器。

mllm是一款针对移动和边缘设备优化的多模态大语言模型推理引擎。该引擎采用纯C/C++实现，无外部依赖，支持ARM NEON和x86 AVX2指令集，并提供4位和6位整数量化。开发者可利用mllm构建智能个人助理、基于文本的图像搜索、屏幕视觉问答等移动应用，实现本地推理而无需上传敏感数据。

Fresh是一款注重性能和简洁性的现代Web框架。它具有边缘即时渲染、基于岛屿的客户端水合、零运行时开销等特性。框架无需配置，内置TypeScript支持，采用类似Next.js的文件系统路由。Fresh适合开发高性能、易维护的Web应用，并支持从本地开发环境到Deno Deploy的便捷部署。

Baetyl 作为 Linux Foundation Edge 的边缘计算开源项目，旨在将云计算能力延伸至边缘设备。框架支持设备连接、消息传递、远程同步和函数计算等功能，并提供离线和低延迟计算服务。Baetyl v2 版本整合了云端管理和边缘操作方案，由边缘计算框架和云管理套件构成，可灵活部署于 AI 一体机和 5G 路边盒等新型边缘设备。

NanoMQ是一款为物联网和智能网联汽车设计的MQTT消息中间件。采用嵌入式Actor架构，支持MQTT V3.1.1/3.1和V5.0协议，具备低延迟和高并发处理能力。基于POSIX标准开发，NanoMQ可在多种嵌入式平台上运行，为边缘计算场景提供可靠高效的消息传递方案。作为开源项目，NanoMQ的功能丰富，适用于物联网和车联网应用。

VILA1.5-3b-s2是一个基于交错图像-文本数据预训练的视觉语言模型。它具备多图像处理能力，通过AWQ 4位量化可部署于边缘设备。该模型在多图像推理、上下文学习和视觉思维链等方面表现突出，同时保持优秀的文本处理性能。VILA1.5-3b-s2为多模态模型和聊天机器人研究提供了有力支持。

Llama-3-VILA1.5-8B是一款基于大规模交错图像-文本数据预训练的视觉语言模型。该模型具备多图像推理、情境学习和视觉思维链等功能,可部署于边缘设备。在12个基准测试中,包括5个学术视觉问答和7个指令跟随测试,Llama-3-VILA1.5-8B展现了优秀性能。这一模型为研究人员和AI爱好者提供了进行大型多模态模型和聊天机器人研究的有力工具。