[논문 리뷰] Embedded Systems Architecture for SLAM Applications

Jie Tang, Shaoshan Liu외 1명|arXiv (Cornell University)|2017. 02. 04.

Robotics and Sensor-Based Localization참고 문헌 3인용 수 3

한 줄 요약

이 논문은 이동 장치에서 실시간 동시 위치 추정 및 맵 작성(SLAM) 워크로드를 위한 맞춤형 임베디드 시스템 아키텍처를 제안한다. SLAM 워크로드의 계산 패턴과 메모리 액세스 행동을 분석함으로써, 저전력 이동 프로세서 대비 성능은 2.1배 향상되고 에너지 소비는 38% 감소한 하드웨are-소프트웨어 공동 최적화 시스템을 설계하였다. 이는 자율 시스템에서 성능과 에너지 효율성 간의 핵심적 트레이드오프를 해결한다.

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.

연구 동기 및 목표

• 배터리 구동 이동 장치에서 실행되는 SLAM 워크로드의 성능-에너지 트레이드오프를 해결하기 위해.
• 이동 플랫폼에서 최신 SLAM 알고리즘의 계산 및 메모리 액세스 특성을 분석하기 위해.
• 실시간 반응성을 유지하면서 SLAM 전용 워크로드에 최적화된 맞춤형 임베디드 아키텍처를 설계하기 위해.
• 기존 이동 프로세서 대비 성능과 에너지 효율성 측면에서 뚜렷한 향상을 이루기 위해.

제안 방법

• 저자들은 이동 하드웨어에서 대표적인 SLAM 워크로드(예: ORB-SLAM)를 프로파일링하여 계산 핫스팟과 메모리 액세스 패턴을 파악하였다.
• SLAM 워크로드가 희소 행렬 연산, 메모리 집약적인 기능 추출, 비정규적인 메모리 액세스 패턴에 의해 지배된다는 것을 확인하였다.
• 이러한 통찰을 바탕으로 SLAM 전용 커널을 위한 전용 처리 장치와 최적화된 메모리 계층을 갖춘 맞춤형 임베디드 아키텍처를 설계하였다.
• 데이터 이동을 줄이고 대역폭 효율성을 향상시키기 위해 재구성 가능한 데이터 경로와 계층적 메모리 시스템을 통합하였다.
• 동적 전력 소비를 줄이기 위해 작업 수준의 병렬 처리와 세밀한 클럭 게이팅을 적용하였다.
• 실제 SLAM 워크로드를 활용한 하드웨어 프로토타입을 통해 제안된 아키텍처를 평가하였으며, 표준 이동 프로세서와의 비교 분석을 수행하였다.

실험 결과

연구 질문

• RQ1 이동 플랫폼에서 SLAM 워크로드는 계산 강도와 메모리 액세스 패턴 측면에서 어떻게 행동하는가?
• RQ2 이동 장치에서 SLAM을 실행할 때 주요 성능 및 에너지 병목 현상은 무엇인가?
• RQ3 SLAM 워크로드에 특화된 맞춤형 임베디드 아키텍처를 설계하여 성능 향상과 에너지 소비 감소를 크게 이룰 수 있는가?
• RQ4 워크로드 특화 최적화가 SLAM 시스템의 성능-에너지 트레이드오프에 얼마나 기여할 수 있는가?

주요 결과

• 제안된 아키텍처는 기준 이동 프로세서 대비 SLAM 처리 속도를 2.1배 향상시켰다.
• 최적화된 메모리 액세스와 동적 전력 관리 덕분에 동일한 워크로드에서 에너지 소비가 38% 감소하였다.
• 전용 처리 장치는 기능 탐지 및 기술자 계산과 같은 핵심 SLAM 커널을 최대 3.5배 빠르게 처리하였다.
• 메모리 계층이 외부 메모리 액세스를 52% 감소시켜 에너지 오버헤드를 크게 낮췄다.
• 시스템은 엄격한 지연 제약 조건을 충족하면서도 실시간 성능을 유지하였다.
• 결과적으로 워크로드 인식 기반의 하드웨어 특화가 이동 SLAM 시스템에서 성능-에너지 트레이드오프를 극복하는 데 효과적임을 입증하였다.