计算系统中动态调度唤醒模式的方法、系统、制品和装置制造方法及图纸

公开了计算系统中动态调度唤醒模式的方法、系统、制品和装置。一种示例装置包括：设备状态控制器，用于基于在第一时间收集的传感器测量结果确定设备的上下文；关联器，用于将操作系统的状态与设备的上下文相关联，该状态是在第一时间之后的第二时间获得的；训练控制器，用于基于该关联生成预测模型，该预测模型基于上下文来预测操作系统的状态将是活跃的第三时间；以及调度控制器，用于通过在第三时间之前触发唤醒事件来降低设备的功率消耗，唤醒事件使设备为退出非活跃状态做准备。醒事件使设备为退出非活跃状态做准备。醒事件使设备为退出非活跃状态做准备。

【技术实现步骤摘要】
【国外来华专利技术】计算系统中动态调度唤醒模式的方法、系统、制品和装置


[0001]本公开总体上涉及计算系统，并且更具体而言涉及在计算系统中动态调度唤醒模式的方法、系统、制品和装置。

技术介绍

[0002]人工智能(artificial intelligence，AI)(包括机器学习(machine learning，ML)、深度学习(deep learning，DL)和/或其他人工机器驱动的逻辑)使得机器(例如，计算机、逻辑电路，等等)能够使用模型来处理输入数据，以基于模型先前经由训练过程学习到的模式和/或关联来生成输出。例如，可以用数据来训练模型以识别模式和/或关联，并且在处理输入数据时遵循这样的模式和/或关联，使得(一个或多个)其他输入导致与所识别的模式和/或关联相一致的(一个或多个)输出。
附图说明
[0003]图1A图示了生成动态唤醒时段调度的示例设备的框图。
[0004]图1B图示了由图1A的示例关联器生成的示例直方图，以表示上下文数据和未来OS状态之间的关联。
[0005]图2是图1A的示例训练控制器生成预测模型的框图。
[0006]图3是图1A的示例训练控制器实时生成未来OS状态的预测的框图。
[0007]图4是代表机器可读指令的流程图，该机器可读指令可以被执行以实现图1A的示例传感器中枢训练预测模型。
[0008]图5是代表机器可读指令的流程图，该机器可读指令可以被执行以实现图1A的示例传感器中枢生成预测。
[0009]图6是示例处理平台的框图，该示例处理平台被构造以执行图4和图5的指令以实现图1A和图2的示例设备。
[0010]附图不是按比例的。一般而言，相同的标号将在各幅图和伴随的书面描述的各处被用于指代相同或相似的部件。
[0011]本文中在识别可被分开提及的多个元素或组件时使用描述语“第一”、“第二”、“第三”等等。除非另有指明或者基于其使用上下文另有理解，否则这种描述语并不旨在灌输优先级、物理顺序或者列表中的排列或者时间上的排序的任何含义，而只是被用作用于分开提及多个元素或组件的标签，以便容易理解所公开的示例。在一些示例中，描述语“第一”在具体实施方式中可以被用于提及某一元素，而同一元素在权利要求中可以用不同的描述语来提及，例如“第二”或“第三”。在这样的实例中，应当理解，这样的描述语只是为了容易引用多个元素或组件而使用的。
具体实施方式
[0012]当今的个人计算设备被预期提供现实世界的用户体验，即全天的电池寿命、接近
零等待的响应能力以及超强的性能。计算系统(例如，个人计算设备的系统)是基于满足不同类别的用户(例如，游戏玩家、家庭用户、学生等等)的需求而设计的。这样的系统提供了硬件(HW)和/或软件(SW)的权衡，以实现不同的性能目标。例如，系统可以包括操作系统(operating system，OS)，以在OS在其上执行的计算设备的活跃和非活跃状态期间实现不同的性能目标。这样的性能目标可能是在系统处于非活跃状态(例如，待机模式)中时实现系统的低功率消耗。
[0013]在一些示例中，当OS处于待机模式中时，OS实现了调度系统的唤醒时段的特征。如本文所使用的，“唤醒”时段是OS向系统的硬件和软件组件提供电力(例如，激活)的时间。这样的唤醒时段可以由待机特征实现，该待机特征周期性地从睡眠模式(例如，待机模式、非活跃模式等等)“唤醒”(例如，激活)OS，以维持与网络的连通性、同步电子邮件(例如，最近接收到的电子邮件)、更新日历等等，使得系统(例如，个人计算设备)在用户激活(例如，开启)系统时准备就绪并且处于最新状态。
[0014]待机特征是在用户使得系统进入睡眠时(例如，用户按下电源按钮、关闭盖子、闲置、或者在开始菜单中从电源按钮选择“睡眠”)被启动的。当待机特征被启动时，应用和系统软件转变到低功率操作。待机特征的性能目标是使得系统能够为激活做好准备，同时维持低功率消耗以优化电池寿命。
[0015]然而，待机特征(在本文中被称为待机模式)并没有这样的一种唤醒时段调度：该唤醒时段调度是电池寿命和响应性(例如，系统就绪)之间的平衡。例如，待机模式可以实现预定的(例如，20分钟、30分钟等等)唤醒时段调度，其中OS每当处于待机状态的预定时间量(例如，30分钟)，OS就触发唤醒通知以唤醒系统。在这样的示例中，触发唤醒通知之间的预定时间量可能相对较长，以帮助节省电池寿命，而代价是降低了系统的响应性。替代地，触发唤醒通知之间的预定时间量可以相对较短，以提高响应性，而代价是电池寿命。
[0016]因此，这种固定的唤醒时段调度是低效的。例如，并不总是在每个预定的时间都需要唤醒通知。用户可能在很长一段时间内都不使用该系统(例如，数天、数周、数小时、在开车去办公室和/或回家时、在午餐或晚餐时间，等等)。在这种情形中，不必要的唤醒通知会浪费电池电力，并且在一些环境中(例如，当设备在包里、汽车里，等等)会导致系统硬件过热。在不同的示例中，系统在固定唤醒时段调度中的响应性性能是不理想的。例如，系统的用户可能就在下一个唤醒通知之前开启系统(例如，激活系统)，这进而无法为用户提供OS的待机特征所提供的期望的就绪和/或即时开启体验。
[0017]本文公开的示例使得能够确定和生成动态唤醒时段调度，该动态唤醒时段调度在系统处于待机模式中时平衡电池寿命和系统的响应性。本文公开的示例通过经由传感器测量分析用户的日常例程来生成动态唤醒时段调度并且将例程与OS状态(例如，活跃或不活跃)相关。本文公开的示例包括集成传感器中枢(Integrated Sensor Hub，ISH)，该ISH从具有任意数目的传感器类型的不同传感器获得传感器测量结果，基于传感器测量结果确定系统的上下文和/或条件，并且进一步将这些条件与OS状态(例如，活跃或不活跃)相关联。
[0018]这样的上下文和/或条件有时被称为状态上下文和事件上下文。如本文所使用的，状态上下文是与用户行为和设备条件相对应的条件。例如，状态上下文可以是用户活动(例如，用户是否在行走、奔跑、骑自行车、在车辆中、烦躁、未知，等等)、设备运动、设备和用户位置，等等。如本文所使用的，事件上下文是与设备的状态的即时转变相对应的条件。例如，
事件上下文可以是放置转变(例如，设备正被从袋子中取出、设备正被放入袋子中，等等)。在本文公开的示例中，上下文和设备的OS状态之间的相关性使得本文公开的示例能够学习什么例程(例如，上下文、条件，等等)对应于什么OS状态，以及在一周的什么时间和哪一天执行什么例程。
[0019]本文公开的示例实现了人工智能以生成动态唤醒时段调度。人工智能(artificial intelligence，AI)(包括机器学习(machine learning，ML)、深度学习(deep learning，DL)和/或其他人工机器驱动的逻辑)使得机器(例如，系统、计算机、逻辑电路，等等)能够使用模型来处理输入数据，以基于模型先前经由训练过程学习到的模式和/或关联来生成输出本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种装置，包括：设备状态控制器，用于基于在第一时间收集的传感器测量结果确定设备的上下文；关联器，用于将操作系统的状态与所述设备的上下文相关联，所述状态是在所述第一时间之后的第二时间获得的；训练控制器，用于基于所述关联生成预测模型，所述预测模型基于所述上下文来预测所述操作系统的状态将是活跃的第三时间；以及调度控制器，用于通过在所述第三时间之前触发唤醒事件来降低所述设备的功率消耗，所述唤醒事件使所述设备为退出非活跃状态做准备。2.根据权利要求1所述的装置，其中，所述设备状态控制器基于传感器测量结果确定所述设备的用户的活动，所述传感器测量结果对应于基于所述传感器测量结果的所述设备的盖子模式、基于所述传感器测量结果的所述设备的位置、以及基于所述传感器测量结果的所述设备的运动。3.根据权利要求1所述的装置，还包括缓冲器，所述缓冲器用于存储所述上下文持续预定的一段时间，所述预定的一段时间对应于最大可预测时间。4.根据权利要求3所述的装置，其中，所述最大可预测时间对应于所述传感器测量结果的所述第一时间和所述操作系统的状态的所述第二时间之间的时间段。5.根据权利要求1所述的装置，其中，所述关联器生成与在一时间段内的第一时间分段中所述上下文的频率相对应的第一直方图、与在所述时间段内的第二时间分段中所述操作系统的状态的频率相对应的第二直方图、以及与在整个所述时间段中的所述第一时间分段中所述上下文的频率和所述第二时间分段中所述操作系统的状态的频率之间的关联相对应的第三直方图。6.根据权利要求5所述的装置，其中，所述训练控制器从所述第一直方图、第二直方图和第三直方图得出关于在整个所述时间段中所述操作系统的非活跃状态和活跃状态的预测。7.根据权利要求1所述的装置，其中，所述关联器响应于获得所述上下文而向待机管理系统查询所述操作系统的状态，所述查询发生在所述上下文的所述第一时间之后的预定的一段时间。8.一种非暂态计算机可读存储介质，包括指令，所述指令当被执行时，使得一个或多个处理器至少执行以下操作：基于在第一时间收集的传感器测量结果确定设备的上下文；将操作系统的状态与所述设备的上下文相关联，所述状态是在所述第一时间之后的第二时间获得的；基于所述关联生成预测模型，所述预测模型基于所述上下文来预测所述操作系统的状态将是活跃的第三时间；并且通过在所述第三时间之前触发唤醒事件来降低所述设备的功率消耗，所述唤醒事件使所述设备为退出非活跃状态做准备。9.根据权利要求8所述的非暂态计算机可读存储介质，其中，所述指令当被执行时，使得所述一个或多个处理器基于传感器测量结果确定所述设备的用户的活动，所述传感器测量结果对应于基于所述传感器测量结果的所述设备的盖子模式、基于所述传感器测量结果
的所述设备的位置、以及基于所述传感器测量结果的所述设备的运动。10.根据权利要求8所述的非暂态计算机可读存储介质，其中，所述指令当被执行时，使得所述一个或多个处理器存储所述上下文持续预定的一段时间，所述预定的一段时间对应于最大可预测时间。11.根据权利要求8所述的非暂态计算机可读存储介质，其中，所述指令当被执行时，使得所述一个或多个处理器生成与在一时间段内的第一时间分段中所述上下文的频率相对应的第一直方图、与在所述时间段内的第二时间分段中所述操作系统的状态的频率相对应的第二直方图、以及与在整个所述时间段中的所述第一时间分段中所述上下文的频率和所述第二时间分段中所述操作系统的状态的频率之间的关联相对应的第三直方图。12.根据权利要求11所述的非暂态计算机可读存储介质，其中，所述指令当被执行时，使得所述一个或多个处理器从所述第一直方图、第二直方图和第三直方图得出关于在整个所述时间段中所述操作系统的非活跃状态和活跃状态的预测。13.根据权利要求8所述的非暂态计算机可读存储介质，其中，所述指令当被执行时，使得所述一个或多个处理器响应于获得所述上下文而向待机管理系统查询所述操作系统的状态，所述查询发生在所述上下文的所述第一时间之后的预定的一段时间。14.一种方法，包括：基于在第一时间收集的传感器测量结果确定设备的上下文，所述上下文对应于；将操作系统的状态与所述设备的上下文相关联，所述状态是在所述第一时间之后的第二时间获得的；基于所述关联生成预测模型，所述预测模型基于所述上下文来预测所述操作系统的状态将是活跃的第三时间；并且通过在所述第三时间之前触发唤醒事件来降低所述设备的功率消耗，所述唤醒事件使所述设备为退出非活跃状态做准备。15.根据权利要求14所述的方法，还包括基于传感器测量结果确定所述设备的用户的活动，所述传感器测量结果对应于基于所述传感器测量结果的所述设备的盖子模式、基于所...

【专利技术属性】
技术研发人员：韩合民，韩柯，马礼立，吕梦春，孙寿伟，
申请(专利权)人：英特尔公司，
类型：发明
国别省市：