要約
自律型ロボットの有望な将来にもかかわらず、パフォーマンスと安全性の低下につながる可能性のあるいくつかの重要な問題が現時点で残されています。
そのような問題の 1 つは遅延です。NVIDIA の最新の組み込みプラットフォームでさえ、自動運転車のインテリジェンス タスク (物体検出など) をリアルタイムで実行できないことがわかりました。
この問題に対する 1 つの解決策は、エッジ コンピューティングの有望なパラダイムです。
業界パートナーとの協力を通じて、私たちは現在のエッジの考え方の主な法外な制限を特定します。(1) サーバーが十分に分散されておらず、したがって車両に十分近くない、(2) 現在提案されているエッジ ソリューションでは大幅に優れたパフォーマンスが提供されていない、
ユーザーへのコストを保証するための自動運転車に特有の追加情報、および (3) 最先端のソリューションは、自動運転システム、特にロボット オペレーティング システム (ROS) で使用される一般的なフレームワークと互換性がありません。
これらの問題を解決するために、非侵入的な方法で (つまり、ソース コードを変更せずに) ROS で透過的なキャッシュを有効にし、(従来の中央キャッシュとは対照的に) 分散方式でキャッシュを構築できるカプセル化技術である Genie を提供します。
メソッド）を使用して、集合的な 3 次元オブジェクト マップを構築して、（低電力エッジ サーバー上でも）大幅に改善された遅延と高品質のデータを特定の地域のすべての車両に提供できます。
当社は、著名な自動運転ソフトウェア Autoware を使用して、業界で採用されている最先端の組み込みおよびエッジ プラットフォームに設計を完全に実装しました。その結果、Genie が Autoware Vision Detector の遅延を平均 82% 向上させ、オブジェクトの再利用性を可能にすることがわかりました。
平均して 31%、受信リクエストの場合は 67% に達し、時間の経過とともにオブジェクト マップの信頼性が大幅に向上します。
要約(オリジナル)
Despite the promising future of autonomous robots, several key issues currently remain that can lead to compromised performance and safety. One such issue is latency, where we find that even the latest embedded platforms from NVIDIA fail to execute intelligence tasks (e.g., object detection) of autonomous vehicles in a real-time fashion. One remedy to this problem is the promising paradigm of edge computing. Through collaboration with our industry partner, we identify key prohibitive limitations of the current edge mindset: (1) servers are not distributed enough and thus, are not close enough to vehicles, (2) current proposed edge solutions do not provide substantially better performance and extra information specific to autonomous vehicles to warrant their cost to the user, and (3) the state-of-the-art solutions are not compatible with popular frameworks used in autonomous systems, particularly the Robot Operating System (ROS). To remedy these issues, we provide Genie, an encapsulation technique that can enable transparent caching in ROS in a non-intrusive way (i.e., without modifying the source code), can build the cache in a distributed manner (in contrast to traditional central caching methods), and can construct a collective three-dimensional object map to provide substantially better latency (even on low-power edge servers) and higher quality data to all vehicles in a certain locality. We fully implement our design on state-of-the-art industry-adopted embedded and edge platforms, using the prominent autonomous driving software Autoware, and find that Genie can enhance the latency of Autoware Vision Detector by 82% on average, enable object reusability 31% of the time on average and as much as 67% for the incoming requests, and boost the confidence in its object map considerably over time.
arxiv情報
| 著者 | Zexin Li,Soroush Bateni,Cong Liu |
| 発行日 | 2024-02-29 18:07:58+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google