ElasticROS: An Elastically Collaborative Robot Operation System for Fog and Cloud Robotics

要約

ロボットは、機能を強化し、精度を向上させるために、より巨大なサイズのモデルを統合しており、制御不能なコンピューティング圧力につながっています。
そのため、ロボットはコンピューティング能力とバッテリー容量のボトルネックに直面しています。
霧または雲のロボット工学は、これらの問題に対処するために最も期待されている理論の 1 つです。
クラウド ロボティクスのアプローチは、システム レベルからノード レベルまで発展しました。
しかし、現在のノードレベルのシステムは、変化する条件に動的に適応できるほど柔軟性がありません。
これに対処するために、現在のノードレベルのシステムをアルゴリズムレベルのシステムに進化させる ElasticROS を紹介します。
ElasticROS は ROS と ROS2 に基づいています。
フォグおよびクラウド ロボティクスにとって、アルゴリズム レベルの協調コンピューティングを備えた初のロボット オペレーティング システムです。
ElasticROS は、動的条件への適応性を実現するために、柔軟な協調コンピューティングを開発します。
協調的コンピューティング アルゴリズムは、ElasticROS の中核であり課題です。
私たちは問題を抽象化し、それに対処するための ElasAction という名前のアルゴリズムを提案します。
これは、オンライン学習に基づいた動的なアクション決定アルゴリズムであり、ロボットとサーバーがどのように連携するかを決定します。
このアルゴリズムは、ロボットが現在置かれている状況の変化に適応するためにパラメータを動的に更新します。構成に従って、ロボットとサーバーへのコンピューティング タスクの弾力的な分散を実現します。
さらに、ElasAction のリグレス上限が線形未満であることを証明します。これにより収束が保証され、ElasticROS の弾力性が安定することが可能になります。
最後に、SLAM、把握、人間とロボットの対話などのロボット工学の一般的なタスクについて ElasticROS を使用して実験を行い、レイテンシー、CPU 使用率、電力消費におけるパフォーマンスを測定しました。
アルゴリズムレベルの ElasticROS は、現在のノードレベルのシステムよりも大幅に優れたパフォーマンスを発揮します。

要約(オリジナル)

Robots are integrating more huge-size models to enrich functions and improve accuracy, which leads to out-of-control computing pressure. And thus robots are encountering bottlenecks in computing power and battery capacity. Fog or cloud robotics is one of the most anticipated theories to address these issues. Approaches of cloud robotics have developed from system-level to node-level. However, the present node-level systems are not flexible enough to dynamically adapt to changing conditions. To address this, we present ElasticROS, which evolves the present node-level systems into an algorithm-level one. ElasticROS is based on ROS and ROS2. For fog and cloud robotics, it is the first robot operating system with algorithm-level collaborative computing. ElasticROS develops elastic collaborative computing to achieve adaptability to dynamic conditions. The collaborative computing algorithm is the core and challenge of ElasticROS. We abstract the problem and then propose an algorithm named ElasAction to address. It is a dynamic action decision algorithm based on online learning, which determines how robots and servers cooperate. The algorithm dynamically updates parameters to adapt to changes of conditions where the robot is currently in. It achieves elastically distributing of computing tasks to robots and servers according to configurations. In addition, we prove that the regret upper bound of the ElasAction is sublinear, which guarantees its convergence and thus enables ElasticROS to be stable in its elasticity. Finally, we conducted experiments with ElasticROS on common tasks of robotics, including SLAM, grasping and human-robot dialogue, and then measured its performances in latency, CPU usage and power consumption. The algorithm-level ElasticROS performs significantly better than the present node-level system.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google