[論文レビュー] Embedded Systems Architecture for SLAM Applications

Jie Tang, Shaoshan Liu+1 more|arXiv (Cornell University)|Feb 4, 2017

Robotics and Sensor-Based Localization参考文献 3被引用数 3

ひとこと要約

本論文は、モバイルデバイスにおけるリアルタイム同時位置特定と地図作成（SLAM）ワークロードを想定した、特殊化された組み込みシステムアーキテクチャを提案する。SLAMワークロードの計算パターンとメモリアクセス行動を分析することで、著者らはハードウェア・ソフトウェアの共同最適化されたシステムを設計し、ベースラインのモバイルプロセッサと比較して性能を2.1倍に向上させるとともに、エネルギー消費を38％削減した。これは、自律システムにおける性能とエネルギー効率の重要なトレードオフを解決するものである。

ABSTRACT

In recent years, we have observed a clear trend in the rapid rise of autonomous vehicles, robotics, virtual reality, and augmented reality. The core technology enabling these applications, Simultaneous Localization And Mapping (SLAM), imposes two main challenges: first, these workloads are computationally intensive and they often have real-time requirements; second, these workloads run on battery-powered mobile devices with limited energy budget. In short, the essence of these challenges is that performance should be improved while simultaneously reducing energy consumption, two rather contradicting goals by conventional wisdom. In this paper, we take a close look at state-of-the-art Simultaneous Localization And Mapping (SLAM) workloads, especially how these workloads behave on mobile devices. Based on the results, we propose a mobile architecture to improve SLAM performance on mobile devices.

研究の動機と目的

• バッテリー駆動のモバイルデバイス上で実行されるSLAMワークロードにおける性能-エネルギーのトレードオフを解決すること。
• モバイルプラットフォーム上での最先端SLAMアルゴリズムの計算的特性およびメモリアクセス特性を分析すること。
• SLAM固有のワークロードに最適化されたが、リアルタイム応答性を維持するカスタム組み込みアーキテクチャを設計すること。
• 従来のモバイルプロセッサと比較して、性能およびエネルギー効率の両面で顕著な向上を達成すること。

提案手法

• 著者らは、モバイルハードウェア上で代表的なSLAMワークロード（例：ORB-SLAM）をプロファイリングし、計算ホットスポットおよびメモリアクセスパターンを同定した。
• SLAMワークロードがスパース行列演算、メモリ集約的な特徴抽出、不規則なメモリアクセスパターンに支配されていることを同定した。
• これらの知見に基づき、SLAM固有のカーネルを処理する専用プロセッシングユニットと最適化されたメモリ階層を備えたカスタム組み込みアーキテクチャを設計した。
• データ移動を低減し帯域幅効率を向上させるために、再構成可能データパスと階層的メモリシステムを統合した。
• 動的電力消費を低減するために、タスクレベルの並列処理と細粒度のクロックガーピングを採用した。
• 提案されたアーキテクチャは、ハードウェアプロトタイプ上で実際のSLAMワークロードを用いて評価され、標準モバイルプロセッサと比較した。

実験結果

リサーチクエスチョン

• RQ1 モバイルプラットフォーム上でのSLAMワークロードは、計算強度およびメモリアクセスパターンに関してどのように振る舞うか？
• RQ2 モバイルデバイス上でSLAMを実行する際の主なパフォーマンスおよびエネルギーのボトルネックは何か？
• RQ3 SLAMに特化したカスタム組み込みアーキテクチャを設計することで、SLAMのパフォーマンスを顕著に向上させるとともに、エネルギー消費を低減できるか？
• RQ4 ワークロード固有の最適化は、SLAMシステムにおけるパフォーマンス-エネルギートレードオフをどの程度改善できるか？

主な発見

• 提案アーキテクチャは、ベースラインのモバイルプロセッサと比較して、SLAM処理で2.1倍の高速化を達成した。
• 最適化されたメモリアクセスと動的電力管理のおかげで、同じワークロード下でエネルギー消費が38％削減された。
• カスタムプロセッシングユニットは、特徴検出や記述子計算といった主要なSLAMカーネルを最大3.5倍に加速した。
• メモリ階層のおかげで、オフチップメモリアクセスが52％削減され、エネルギーオーバーヘッドが顕著に低減した。
• システムはSLAMアプリケーションに対してリアルタイム性能を維持し、厳密な遅延制約を満たした。
• 結果から、ワークロードに配慮したハードウェア特化が、モバイルSLAMシステムにおけるパフォーマンス-エネルギートレードオフを克服する有効な手法であることが示された。