PEERNet: An End-to-End Profiling Tool for Real-Time Networked Robotic Systems

要約

ネットワーク化されたロボット システムは、自動運転車、ドローン群、遠隔操作手術などのアプリケーションにおけるコンピューティング、電力、遅延の制約のバランスをとります。
このドメインの中心的な問題は、通信遅延を犠牲にして、計算量の多いタスクをクラウド (リモート サーバー) にいつオフロードするかを決定することです。
タスク オフロード アルゴリズムは、多くの場合、センサー データ レート、ネットワーク帯域幅、機械学習モデルの遅延など、システム固有のパフォーマンス メトリクスの正確な知識に依存します。
これらのメトリクスはシステム設計中にモデル化できますが、接続品質、サーバー負荷、ハードウェア条件の不確実性により、リアルタイムのパフォーマンスの変動が生じ、全体的なパフォーマンスが妨げられます。
クラウド ロボティクス向けのエンドツーエンドのリアルタイム プロファイリング ツールである PEERNet を紹介します。
PEERNet は、センサー、ネットワーク、深層学習パイプライン、デバイスなどのシステム コンポーネントの的を絞った適応型プロファイリングを通じて、異種ハードウェアのパフォーマンス監視を可能にします。
Franka Emika Panda アームの画像ベースの遠隔操作や、Nvidia Jetson Orin を使用したビジョン言語モデルのクエリなど、ネットワーク化されたロボット タスクを通じて PEERNet の機能を紹介します。
PEERNet は、非対称ネットワーク送信やバイモーダル言語モデル出力など、ロボット システムにおける非直感的な動作を明らかにします。
私たちの評価は、ネットワーク化されたロボット工学におけるベンチマークの有効性と重要性を強調し、PEERNet の適応性を実証しています。
私たちのコードはオープンソースであり、github.com/UTAustin-SwarmLab/PEERNet から入手できます。

要約(オリジナル)

Networked robotic systems balance compute, power, and latency constraints in applications such as self-driving vehicles, drone swarms, and teleoperated surgery. A core problem in this domain is deciding when to offload a computationally expensive task to the cloud, a remote server, at the cost of communication latency. Task offloading algorithms often rely on precise knowledge of system-specific performance metrics, such as sensor data rates, network bandwidth, and machine learning model latency. While these metrics can be modeled during system design, uncertainties in connection quality, server load, and hardware conditions introduce real-time performance variations, hindering overall performance. We introduce PEERNet, an end-to-end and real-time profiling tool for cloud robotics. PEERNet enables performance monitoring on heterogeneous hardware through targeted yet adaptive profiling of system components such as sensors, networks, deep-learning pipelines, and devices. We showcase PEERNet’s capabilities through networked robotics tasks, such as image-based teleoperation of a Franka Emika Panda arm and querying vision language models using an Nvidia Jetson Orin. PEERNet reveals non-intuitive behavior in robotic systems, such as asymmetric network transmission and bimodal language model output. Our evaluation underscores the effectiveness and importance of benchmarking in networked robotics, demonstrating PEERNet’s adaptability. Our code is open-source and available at github.com/UTAustin-SwarmLab/PEERNet.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google