[論文レビュー] Motion and Communication Co-optimization with Path Planning and Online Channel Estimation

Usman Ali, Hong Cai+2 more|arXiv (Cornell University)|Mar 5, 2016

Advanced MIMO Systems Optimization参考文献 23被引用数 4

ひとこと要約

本論文は、オンラインチャネル推定を用いてリアルタイムに経路計画と送信レートを調整することで、モバイルロボットの運動エネルギーと通信エネルギーを共同で最適化するフレームワークを提案する。この手法により、オフライン手法と比較して17.5%のエネルギー消費削減を達成した。

ABSTRACT

This paper considers the problem of optimally balancing motion energy and communication transmission energy of a mobile robot tasked with transmitting a given number of data bits to a remote station, while navigating to a prespecified destination in a given amount of time. The problem is cast in the setting of optimal control, where the robot has to choose its path, acceleration, and transmission rate along the path so as to minimize its energy required for transmission and motion, while satisfying various power and communication constraints. We use realistic models for the robot's channel estimation, motion dynamics, and power and energy costs. The main contribution of the paper is to show how to co-optimize robot's path along with other communication and motion variables. Two versions of the problem are solved: the first is defined offline by assuming that all the channel measurements are taken before the robots starts moving, while in the second the channel estimation is updated while the robot is in motion, and hence it is solved online. In both cases we utilize an in-house algorithm that computes near-optimal solutions in little time, which enables its use in the online setting. The optimization strategy is described in detail and validated by simulation of realistic scenarios.

研究の動機と目的

• 時間的およびデータ配信制約下で、運動エネルギーと通信エネルギーの合計を最小化する課題に対処すること。
• ロボット作動中にリアルタイムのチャネル推定を組み込むことで、従来のオフライン共同最適化手法を拡張すること。
• 変化するチャネル状態に適応する動的パスプランニングを可能にし、エネルギー効率を維持すること。
• リアルタイム再最適化が可能で、オンライン展開に適した計算効率の高いアルゴリズムを開発すること。
• 空間相関フェージングチャネルを有する現実的で時間変動する無線環境において、フレームワークを検証すること。

提案手法

• 位置、速度、送信ビット数を状態変数とし、加速度とスペクトル効率を制御入力とする最適制御問題に定式化する。
• 空間的測定に基づいて、実際のパスロスおよびシャドウイングモデルを用いてチャネル品質を予測する。
• 50回未満の反復で収束し、1回の実行で2秒以内に完了する自社開発の最適化アルゴリズムを適用する。
• 10秒ごとに新しいチャネル測定値を過去のデータに追加し、チャネル推定値を更新するオンライン更新メカニズムを実装する。
• 各更新時点で残りの時間枠におけるコスト・トゥ・ゴール関数を解き、モデル予測制御やローリングホライズン近似を回避する。
• ハミルトニアンに基づくアプローチを用いて最適性の必要条件を導出し、繰り返し計算によって近似的最適経路を算出する。

実験結果

リサーチクエスチョン

• RQ1 時間変動し空間相関のあるチャネル状態下で、モバイルロボットの運動と通信エネルギーをどのように共同最適化できるか？
• RQ2 静的で事前計算されたチャネル予測と比較して、オンラインチャネル推定を用いることでどの程度の性能向上が達成できるか？
• RQ3 固定パスのオフライン最適化と比較して、リアルタイムパスプランニングが総エネルギー消費量を顕著に削減できるか？
• RQ4 動的チャネル推定の統合が、経路最適化の計算可能性および収束速度に与える影響は何か？
• RQ5 適応的スペクトル効率と加速度制御が、モバイルロボット通信システムにおけるエネルギー効率に与える影響は何か？

主な発見

• オンライン共同最適化手法により、オフライン手法の371単位から304単位へと総エネルギー消費量が削減され、17.5%の改善が達成された。
• ロボットはチャネル品質が良好な領域を偏向するように経路を動的に調整し、送信電力要件を低減した。
• 高品質チャネル領域ではスペクトル効率が向上し、ビットあたりの消費電力を低減しつつ高いデータレートを達成できた。
• 最適化アルゴリズムは1回の更新あたり2秒以内、50回未満の反復で完了し、リアルタイム展開が可能である。
• オンライン手法は実際のチャネル測定値に適応することで、古くなった予測による誤差を回避し、オフラインベースラインを上回った。
• 図11の赤色の経路（オンライン解）は、特に低SNR領域を避ける点で、破線の青色のオフライン経路よりもより効率的な経路を示している。