[논문 리뷰] Motion and Communication Co-optimization with Path Planning and Online Channel Estimation

Usman Ali, Hong Cai외 2명|arXiv (Cornell University)|2016. 03. 05.

Advanced MIMO Systems Optimization참고 문헌 23인용 수 4

한 줄 요약

이 논문은 실시간 채널 추정을 사용하여 동적으로 경로를 계획하고 전송 속도를 조정함으로써 운동 에너지와 통신 에너지를 동시에 최소화하는 모바일 로봇을 위한 공동 최적화 프레임워크를 제안한다. 실시간 채널 측정치에 적응함으로써 오프라인 방법 대비 총 에너지 소비를 17.5% 감소시킨다.

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.

연구 동기 및 목표

• 시간 및 데이터 전달 제약 조건 하에서 운동 에너지와 통신 에너지를 병합 최소화하는 문제를 해결하기 위해.
• 로봇 운영 중 실시간 채널 추정을 통합함으로써 기존의 오프라인 공동 최적화 방법을 확장하기 위해.
• 변화하는 채널 조건에 적응하는 동적 경로 계획을 가능하게 하되, 에너지 효율성을 유지하기 위해.
• 실시간 재최적화가 가능한 계산 효율적인 알고리즘을 개발하기 위해.
• 공간 상관성이 있는 fading 채널을 가진 실제적인 시간 변화가 있는 무선 환경에서 프레임워크를 검증하기 위해.

제안 방법

• 위치, 속도, 전송 비트 수를 상태 변수로, 가속도와 스펙트럼 효율을 제어 입력으로 하는 최적 제어 문제로 문제를 수립한다.
• 공간 측정 기반의 실용적인 path-loss 및 shadowing 모델을 사용하여 채널 품질 예측을 수행한다.
• 50회 이내로 수렴하고 실행당 2초 이내로 완료되는 내부 개발 최적화 알고리즘을 적용한다.
• 매 10초마다 새로운 채널 측정치를 이전 데이터에 추가하여 채널 추정치를 개선하는 온라인 업데이트 메커니즘을 구현한다.
• 각 업데이트 시 남은 시간 영역에 대해 cost-to-go 기능을 해결함으로써 모델 예측 제어나 롤링 하ORIZON 근사치를 피한다.
• 해밀토니안 기반 접근법을 사용하여 최적성의 필요 조건을 유도하고 반복적으로 근사 최적 경로를 계산한다.

실험 결과

연구 질문

• RQ1 채널 조건이 시간에 따라 변화하고 공간적으로 상관이 있을 때, 모바일 로봇에서 운동 에너지와 통신 에너지를 어떻게 공동 최적화할 수 있는가?
• RQ2 정적이고 사전 계산된 채널 예측 대비 실시간 채널 추정을 사용할 경우 어떤 성능 향상이 달성될 수 있는가?
• RQ3 고정 경로 오프라인 최적화 대비 실시간 경로 계획이 총 에너지 소비를 상당히 줄일 수 있는가?
• RQ4 동적 채널 추정의 통합이 경로 최적화의 계산 가능성과 수렴 속도에 어떤 영향을 미치는가?
• RQ5 적응형 스펙트럼 효율성과 가속도 제어가 모바일 로봇 통신 시스템의 에너지 효율성에 어떤 영향을 미치는가?

주요 결과

• 온라인 공동 최적화 방법은 오프라인 대비 총 에너지 소비를 371 단위에서 304 단위로 감소시켜 17.5% 향상시켰다.
• 로봇은 채널 품질이 높은 지역을 선호하도록 경로를 동적으로 조정함으로써 전송 전력 요구량을 줄였다.
• 고품질 채널 지역에서는 스펙트럼 효율성이 증가하여 단위 비트 당 전력 소비가 낮은 높은 데이터 전송 속도를 달성할 수 있었다.
• 최적화 알고리즘은 업데이트당 2초 이내, 50회 이내로 완료되어 실시간 배포가 가능했다.
• 실시간 방법은 실제 채널 측정치에 적응함으로써 오래된 예측에서 발생하는 오류를 피하며 오프라인 베이스라인을 능가했다.
• 그림 11의 빨간색 경로(온라인 해법)는 특히 저 SNR 영역을 피하는 데서 더 효율적인 경로를 보이며, 점선 파란색 오프라인 경로보다 우수함을 보였다.