[논문 리뷰] A review on cloud robotics based frameworks to solve simultaneous localization and mapping (slam) problem

Rajesh Doriya, Paresh Sao외 3명|arXiv (Cornell University)|2017. 01. 29.

Robotics and Automated Systems참고 문헌 3인용 수 5

한 줄 요약

이 논문은 클라우드 기반 처리를 통해 계산 비용이 높은 SLAM(Simultaneous Localization and Mapping) 작업을 로봇에서 클라우드로 이관하는 데 목적이 있는 클라우드 로봇 프레임워크—특히 DAvinCi, Rapyuta, C2TAM—를 검토한다. 클라우드 기반 처리와 동적 자원 할당을 활용함으로써 이 프레임워크들은 로봇의 내장 컴퓨팅 부담을 줄이고, 로봇 주행의 확장성과 실시간 성능을 향상시킨다.

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.

연구 동기 및 목표

• 실시간 로봇 응용 프로그램에서 SLAM의 계산적 요구 사항을 해결하는 데 있어 클라우드 로봇 기술의 역할을 분석하는 것.
• SLAM에 특화된 기존 클라우드 기반 프레임워크의 아키텍처, 확장성, 성능을 평가하는 것.
• 특히 지연, 데이터 프라이버시, 시스템 신뢰성 측면에서 SLAM에 대한 클라우드 이관의 장점과 한계를 규명하는 것.
• DAvinCi, Rapyuta, C2TAM을 대표로 하는 클라우드 로봇 프레임워크로서의 SLAM에 대한 비교 개요를 제공하는 것.
• 현재 프레임워크의 격차를 밝히고 SLAM에서의 향후 클라우드-로봇 통합을 위한 방향을 제안함으로써 향후 연구를 이끄는 것.

제안 방법

• 분산 로봇 시스템에서 SLAM을 지원하도록 설계된 세 가지 주요 클라우드 로봇 프레임워크—DAvinCi, Rapyuta, C2TAM—에 대한 체계적 검토.
• 각 프레임워크의 클라우드 기반 아키텍처 분석을 포함한 데이터 이관 메커니즘, 통신 프로토콜, 자원 관리 전략.
• 클라우드 인프라가 SLAM 처리를 위한 동적 컴퓨팅 자원 할당을 어떻게 가능하게 하는지 검토하며, 로봇 내장 부담 감소를 분석.
• 실시간 SLAM 지원 평가를 포함한 정밀도, 지ap 맵 품질, 장애 내성 등.
• 배포 모델, 로봇 운영 체제와의 통합, 다중 로봇 SLAM 지원 등을 기준으로 프레임워크 간 비교.
• 클라우드-로봇 SLAM 시스템에서 서비스 추상화, API 기반 액세스, 안전한 데이터 전송 등의 핵심 설계 원칙 규명.

실험 결과

연구 질문

• RQ1 DAvinCi, Rapyuta, C2TAM과 같은 클라우드 로봇 프레임워크는 로봇에서 클라우드로 SLAM 계산을 효율적으로 이관하는 데 어떻게 기여하는가?
• RQ2 검토된 클라우드 기반 SLAM 프레임워크 간의 아키텍처적 차이점과 설계적 트레이드오프는 무엇인가?
• RQ3 이 프레임워크들은 원격 클라우드 처리에 의존하면서도 실시간 성능과 정밀한 위치 추정 정확도를 유지하는 데 어떻게 대처하는가?
• RQ4 다중 로봇 및 동적 환경에서 클라우드 기반 SLAM 프레임워크의 확장성과 신뢰성 특성은 어떠한가?
• RQ5 특히 지연, 대역폭, 데이터 프라이버시 측면에서 클라우드 로봇과 SLAM 통합에 남아 있는 과제는 무엇인가?

주요 결과

• 클라우드 로봇 프레임워크는 원격 클라우드 서버로 SLAM 처리를 이관함으로써 개별 로봇의 계산 부담을 크게 감소시킨다.
• DAvinCi는 동적 로드 밸런싱과 장애 내성 기능을 갖춘 서비스 기반 아키텍처를 통해 실시간 SLAM을 가능하게 한다.
• Rapyuta는 분산된 로봇 간에 클라우드에 저장된 지도 및 위치 정보에 대한 공유 액세스를 허용함으로써 다중 로봇 SLAM을 지원한다.
• C2TAM은 동시 SLAM 작업을 지원하고 클라우드 노드 간 효율적인 데이터 동기화를 보장하는 확장성 있는 분산 프레임워크를 제공한다.
• 모든 프레임워크는 시스템의 확장성을 향상시키고 내장 하드웨어 요구 사항을 줄여 저비용 로봇 플랫폼에의 배포를 가능하게 한다.
• 장점이 있음에도 불구하고, 프레임워크들은 동적 환경에서 네트워크 지연, 대역폭 제약, 안전한 데이터 전송 문제에 직면해 있다.