Wrapyfi: A Wrapper for Message-Oriented and Robotics Middleware

要約

メッセージ指向のロボティクス ミドルウェアは、ロボットの制御を容易にするだけでなく、複雑な機能を抽象化し、センサーとデバイスのネットワーク全体で通信パターンを統一する上で重要な役割を果たします。
ただし、複数のミドルウェア フレームワークを使用すると、さまざまなロボットを 1 つのシステムに統合するという課題が生じます。
この制限に対処するために、ZeroMQ、YARP、ROS、ROS~2 など、複数のメッセージ指向およびロボティクス ミドルウェアをサポートする Python ラッパーである Wrapyfi を紹介します。
Wrapyfi を使用すると、複数のマシンで実行されるスクリプトの開発が容易になり、クロスプラットフォームの通信とワークロードの分散が可能になります。
2 つのユーザー調査を実施することで、Wrapyfi を実用的な設定で評価しました。複数のセンサーを使用して、さまざまなミドルウェアを介して深層学習モデルや iCub や Pepper などのロボットに読み取り値を送信しました。
結果は、Wrapyfi の実際の使いやすさを実証し、現実世界の設定でマルチミドルウェア交換と制御されたプロセス分散を可能にしました。
さらに重要なことは、センサー、深層学習モデル、およびロボット間の相互作用を橋渡しすることにより、Wrapify の最も顕著な機能を紹介したことです。

要約(オリジナル)

Message-oriented and robotics middleware play an important role in facilitating robot control, as well as abstracting complex functionality and unifying communication patterns across networks of sensors and devices. However, the use of multiple middleware frameworks presents a challenge in integrating different robots within a single system. To address this limitation, we present Wrapyfi, a Python wrapper supporting multiple message-oriented and robotics middleware, including ZeroMQ, YARP, ROS, and ROS~2. Using Wrapyfi eases the development of scripts that run on multiple machines, thereby enabling cross-platform communication and workload distribution. We evaluated Wrapyfi in practical settings by conducting two user studies, using multiple sensors transmitting readings to deep learning models and robots such as the iCub and Pepper via different middleware. The results demonstrated Wrapyfi’s usability in practice allowing for multi-middleware exchange and controlled process distribution in a real-world setting. More importantly, we showcased Wrapify’s most prominent features by bridging interactions between sensors, deep learning models, and robots.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google