Goal-oriented Semantic Communication for Robot Arm Reconstruction in Digital Twin: Feature and Temporal Selections

要約

業界で最も有望なテクノロジーの 1 つであるデジタル ツイン (DT) は、物理エンティティの仮想レプリカを正確に再構築することで、実世界のシステムのリアルタイム監視と予測分析を容易にします。
しかし、この再構築は、特にデジタルロボットアームの再構築において通信オーバーヘッドが増大し続けるため、前例のない課題に直面しています。
この目的を達成するために、我々は、厳密かつ緩和された再構成誤差制約の下で通信負荷を最小限に抑えることを目的として、DTにおけるロボットアーム再構成タスクのためのGSC情報を抽出するための新しい目標指向セマンティック通信(GSC)フレームワークを提案する。
リアルタイム DT 再構築のために再構築メッセージを定期的に送信する従来の再構築フレームワークとは異なり、私たちのフレームワークは、再構築メッセージから意味論的な情報を抽出する特徴選択 (FS) アルゴリズムと、選択的に再構築するための深層強化学習ベースの時間選択アルゴリズムを実装しています。
意味論的な情報を時間をかけて送信します。
私たちは、Pybullet シミュレーションと Franka Research 3 ロボット アームに基づくラボ実験の両方を通じて、提案した GSC フレームワークを検証します。
一連の異なるロボットタスクについて、シミュレーション結果は、従来の通信フレームワークと比較して、当社のフレームワークが通信負荷を厳格な再構築エラー制約の下で少なくとも 59.5%、緩和された再構築エラー制約の下で 80% 削減できることを示しています。
また、実験結果により、通信負荷が厳しい制約の場合で 53%、制約が緩和された場合で 74% 削減されるというフレームワークの有効性が確認されました。
デモは https://youtu.be/2OdeHKxcgnk でご覧いただけます。

要約(オリジナル)

As one of the most promising technologies in industry, the Digital Twin (DT) facilitates real-time monitoring and predictive analysis for real-world systems by precisely reconstructing virtual replicas of physical entities. However, this reconstruction faces unprecedented challenges due to the everincreasing communication overhead, especially for digital robot arm reconstruction. To this end, we propose a novel goal-oriented semantic communication (GSC) framework to extract the GSC information for the robot arm reconstruction task in the DT, with the aim of minimising the communication load under the strict and relaxed reconstruction error constraints. Unlike the traditional reconstruction framework that periodically transmits a reconstruction message for real-time DT reconstruction, our framework implements a feature selection (FS) algorithm to extract the semantic information from the reconstruction message, and a deep reinforcement learning-based temporal selection algorithm to selectively transmit the semantic information over time. We validate our proposed GSC framework through both Pybullet simulations and lab experiments based on the Franka Research 3 robot arm. For a range of distinct robotic tasks, simulation results show that our framework can reduce the communication load by at least 59.5% under strict reconstruction error constraints and 80% under relaxed reconstruction error constraints, compared with traditional communication framework. Also, experimental results confirm the effectiveness of our framework, where the communication load is reduced by 53% in strict constraint case and 74% in relaxed constraint case. The demo is available at: https://youtu.be/2OdeHKxcgnk.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google