[論文レビュー] A review on cloud robotics based frameworks to solve simultaneous localization and mapping (slam) problem

Rajesh Doriya, Paresh Sao+3 more|arXiv (Cornell University)|Jan 29, 2017

Robotics and Automated Systems参考文献 3被引用数 5

ひとこと要約

この論文は、計算負荷の高いSLAM（同時位置特定と地図作成）タスクをクラウドにオフロードするように設計されたクラウドロボティクスフレームワーク—特にDAvinCi、Rapyuta、C2TAM—をレビューしている。クラウドベースの処理と動的リソース割り当てを活用することで、これらのフレームワークはローカルの計算負荷を軽減し、ロボットのナビゲーションにおけるスケーラビリティとリアルタイム性能を向上させる。

ABSTRACT

Cloud Robotics is one of the emerging area of robotics. It has created a lot of attention due to its direct practical implications on Robotics. In Cloud Robotics, the concept of cloud computing is used to offload computational extensive jobs of the robots to the cloud. Apart from this, additional functionalities can also be offered on run to the robots on demand. Simultaneous Localization and Mapping (SLAM) is one of the computational intensive algorithm in robotics used by robots for navigation and map building in an unknown environment. Several Cloud based frameworks are proposed specifically to address the problem of SLAM, DAvinCi, Rapyuta and C2TAM are some of those framework. In this paper, we presented a detailed review of all these framework implementation for SLAM problem.

研究の動機と目的

• リアルタイムのロボットアプリケーションにおけるSLAMの計算的要件に対処するクラウドロボティクスの役割を分析すること。
• SLAMに特化した既存のクラウドベースのフレームワークを評価し、そのアーキテクチャ、スケーラビリティ、パフォーマンスに焦点を当てる。
• 特に遅延、データプライバシー、システム信頼性の観点から、SLAMにおけるクラウドオフロードの利点と制限を特定すること。
• DAvinCi、Rapyuta、C2TAMを代表とするクラウドロボティクスフレームワークとしてのSLAMの比較的概要を提供すること。
• 現在のフレームワークにおけるギャップを明らかにし、SLAMにおける改善されたクラウドロボティクス統合の方向性を示唆することで、今後の研究を導くこと。

提案手法

• 分散型ロボットシステムにおけるSLAMを支援することを目的とした3つの主要なクラウドロボティクスフレームワーク—DAvinCi、Rapyuta、C2TAM—の体系的レビュー。
• 各フレームワークのクラウドベースアーキテクチャの分析、特にデータオフロードメカニズム、通信プロトコル、リソース管理戦略。
• クラウドインfraがSLAM処理のための動的リソース割り当てを可能にし、ローカル負荷を軽減する仕組みの検証。
• リアルタイムSLAMのサポートの評価、特に局所化の正確さ、マッピングの忠実度、フェイルセーフ性。
• 展開モデル、ロボティクスオペレーティングシステムとの統合、マルチロボットSLAM支援の観点からのフレームワーク比較。
• クラウドロボティクスSLAMシステムにおけるサービス抽象化、APIベースアクセス、安全なデータ送信といった主要な設計原則の同定。

実験結果

リサーチクエスチョン

• RQ1 DAvinCi、Rapyuta、C2TAMのようなクラウドロボティクスフレームワークは、どのようにロボットからクラウドへのSLAM計算の効率的オフロードを実現するか？
• RQ2 レビューされたクラウドベースSLAMフレームワーク間のアーキテクチャ的差異と設計上のトレードオフは何か？
• RQ3 これらのフレームワークは、リモートクラウド処理に依存しながらも、どのようにリアルタイム性能と局所化の正確さを維持しているか？
• RQ4 マルチロボットおよび動的環境におけるクラウドベースSLAMフレームワークのスケーラビリティと信頼性特性は何か？
• RQ5 特に遅延、帯域幅、データプライバシーの観点から、クラウドロボティクスとSLAMを統合する際に残されている課題は何か？

主な発見

• クラウドロボティクスフレームワークは、SLAM処理をリモートクラウドサーバーにオフロードすることで、個々のロボットの計算負荷を顕著に軽減する。
• DAvinCiは、動的ロードバランシングとフェイルセーフティを備えたサービス指向アーキテクチャにより、リアルタイムSLAMを実現する。
• Rapyutaは、分散型ロボット間でクラウドに保存された地図と局所化データを共有可能にする仕組みにより、マルチロボットSLAMを支援する。
• C2TAMは、並列SLAM処理をサポートし、クラウドノード間での効率的なデータ同期を実現するスケーラブルで分散型のフレームワークを提供する。
• すべてのフレームワークは、システムのスケーラビリティを向上させるとともに、ローカルハードウェア要件を低減させ、低価格ロボットプラットフォームへの展開を可能にする。
• それらの利点にもかかわらず、フレームワークは動的環境におけるネットワーク遅延、帯域幅制限、安全なデータ送信の課題に直面している。