SatCraft: Agentic Optimization of Scheduling Policies for Satellite-Cellular Edge Services
作者: Pengcheng Luo, Dengke Deng, Zenghui Zhang, Genke Yang, Jian Chu
分类: eess.SY
发布日期: 2026-10-21
💡 一句话要点
提出SatCraft框架以优化卫星-蜂窝边缘服务调度策略
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 卫星通信 蜂窝网络 边缘计算 调度优化 大型语言模型 动态策略 资源管理
📋 核心要点
- 现有方法在调度逻辑中存在根本性失败，难以有效优化资源分配和参数调整。
- SatCraft框架通过LLM代理利用执行反馈动态修订调度策略，提升调度灵活性与有效性。
- 实验表明，SatCraft在服务价值上较基线方法提升3.61%-16.89%，并在所有资源配置中表现最佳。
📝 摘要（中文）
移动边缘服务结合本地计算与卫星及蜂窝接入，能够在地面覆盖不稳定的区域提供时间敏感的结果。为了满足服务的截止时间和质量要求，需要考虑任务依赖性、变化的链路容量和共享资源预算的联合计算与传输调度。然而，在固定策略结构内优化资源分配或调整参数的方式，无法有效修正调度逻辑中的根本性失败。为此，本文提出了SatCraft框架，利用大型语言模型（LLM）代理通过执行反馈修订联合调度策略的代码。每次修订都经过策略检查和完整运行评估，以评估其有效性、运行时和对服务完成的影响。实验结果表明，SatCraft在不同资源配置下均显著提高了累计完成服务价值，展示了LLM引导的策略优化在卫星-蜂窝网络中的应用潜力。
🔬 方法详解
问题定义：本文旨在解决在卫星-蜂窝网络中，如何有效调度计算与传输以满足时间敏感服务的需求。现有方法在调度逻辑上存在局限，无法灵活应对资源变化与任务依赖性。
核心思路：SatCraft框架的核心思路是利用大型语言模型（LLM）代理，通过执行反馈不断修订调度策略代码，从而实现动态优化。这样的设计使得调度策略能够实时适应不同的接入条件和资源配置。
技术框架：SatCraft的整体架构包括策略库、LLM代理、执行反馈机制和策略评估模块。每次调度调用时，系统根据初始接入观察和已知资源配置，从策略库中选择最优策略进行执行。
关键创新：SatCraft的主要创新在于将LLM引入调度策略的优化过程，使得策略能够在运行时根据反馈进行自我修正。这一方法与传统的静态策略优化方法有本质区别，显著提升了调度的灵活性和适应性。
关键设计：在设计上，SatCraft设置了多种策略检查机制，确保每次修订的有效性。同时，采用完整运行评估来衡量修订后的策略在实际服务中的表现，确保优化过程的可靠性。
🖼️ 关键图片
📊 实验亮点
实验结果显示，SatCraft在服务价值上较基线方法提升了3.61%-16.89%，并在所有四种资源配置中均实现了最高的完成服务价值，平均每次调度调用耗时仅25.02毫秒。这些结果表明了LLM引导的策略优化在复杂网络环境中的有效性。
🎯 应用场景
SatCraft框架在卫星-蜂窝网络中具有广泛的应用潜力，尤其适用于需要高效调度的移动边缘计算场景。其能够在地面网络不稳定的情况下，提供高质量的服务交付，未来可扩展到无人驾驶、智能城市等领域，提升整体服务效率和用户体验。
📄 摘要（原文）
Mobile edge services can combine local computation with satellite and cellular access to deliver time-sensitive results in areas with intermittent terrestrial coverage. Meeting their deadlines and quality requirements calls for joint computation and transmission scheduling that accounts for task dependencies, changing link capacity, and shared resource budgets. However, optimizing resource allocations or tuning parameters within a fixed policy structure offers limited scope to correct failures rooted in the scheduling logic. We propose SatCraft, a framework in which a large language model (LLM) agent uses execution feedback to revise the code of joint scheduling policies. Each revision undergoes policy checks and complete-run evaluation to assess its validity, runtime, and effects on service completion. Because policy performance varies with access conditions, SatCraft retains valid alternatives in a policy library and selects one for each episode using initial access observations and the known resource configuration. Experiments using Starlink and cellular measurement data show that SatCraft improves cumulative completed-service value by 3.61%-16.89% over baselines, including recent state-of-the-art scheduling methods ADPRL, EdgeOPT, and TF-DDRL. It achieves the highest completed-service value in all four resource profiles and averages 25.02 ms per scheduling call. These results demonstrate how LLM-guided policy optimization can improve complete service delivery under the computing, communication, and quality constraints of satellite-cellular networks.