[論文レビュー] Fog Robotics for Efficient, Fluent and Robust Human-Robot Interaction

Siva Leela Krishna Chand Gudi, Suman Ojha+3 more|arXiv (Cornell University)|Nov 14, 2018

Opportunistic and Delay-Tolerant Networks被引用数 5

ひとこと要約

本稿では、人間-ロボットインタラクションにおけるクラウドロボティクス（CR）の遅延およびセキュリティ上の課題を克服する次世代アーキテクチャとして、Fog Robotics（FR）を提案する。Fogノードを介して計算をロボットに近接して分散化することにより、FRは応答時間を短縮し、プライバシーを強化するとともに、システムの耐障害性を向上させる。実時間インタラクションシナリオにおける実験では、CRに比べて顕著に低い遅延が確認された。

ABSTRACT

Active communication between robots and humans is essential for effective human-robot interaction. To accomplish this objective, Cloud Robotics (CR) was introduced to make robots enhance their capabilities. It enables robots to perform extensive computations in the cloud by sharing their outcomes. Outcomes include maps, images, processing power, data, activities, and other robot resources. But due to the colossal growth of data and traffic, CR suffers from serious latency issues. Therefore, it is unlikely to scale a large number of robots particularly in human-robot interaction scenarios, where responsiveness is paramount. Furthermore, other issues related to security such as privacy breaches and ransomware attacks can increase. To address these problems, in this paper, we have envisioned the next generation of social robotic architectures based on Fog Robotics (FR) that inherits the strengths of Fog Computing to augment the future social robotic systems. These new architectures can escalate the dexterity of robots by shoving the data closer to the robot. Additionally, they can ensure that human-robot interaction is more responsive by resolving the problems of CR. Moreover, experimental results are further discussed by considering a scenario of FR and latency as a primary factor comparing to CR models.

研究の動機と目的

• リアルタイム人間-ロボットインタラクションにおけるクラウドロボティクス（CR）の高遅延およびスケーラビリティの制限を解消すること。
• クラウド依存型ロボットシステムにおけるプライバシー漏洩やランサムウェアなどのセキュリティリスクを軽減すること。
• データ処理をロボットに近接して行うことで、応答性と機敏性を向上させる分散型ロボットアーキテクチャを設計すること。
• Fog Roboticsの遅延低減効果を、従来のクラウドロボティクスモデルと比較して評価すること。
• エッジベースの計算により、よりなめらかで効率的かつ耐障害性の高い人間-ロボットインタラクションを実現すること。

提案手法

• Fogコンピューティングの原則を活用し、ローカルのFogノードとクラウドの間で計算タスクを分散するFog Robotics（FR）アーキテクチャを提案する。
• ロボットの周辺にFogノードを配置し、センサデータ、マップ、ユーザーインタラクションをローカルで処理することで、リモートクラウドサーバーへの依存度を低減する。
• リアルタイムタスクはFogレイヤーで処理し、複雑または長期的なタスクはクラウドにオフロードする階層的データ処理パイプラインを導入する。
• 通信遅延を最小限に抑えて動的で変化しやすい人間-ロボットインタラクション環境での応答性を向上させるために、距離に基づくタスクルーティングを採用する。
• 帯域幅使用量を削減し、システム効率を向上させるために、軽量な通信プロトコルとエッジキャッシュを活用する。
• 人間-ロボットインタラクションシナリオにおける実験的評価を通じて、アーキテクチャの妥当性を検証し、遅延とシステム応答性を測定する。

実験結果

リサーチクエスチョン

• RQ1 Fog Roboticsは、人間-ロボットインタラクションシナリオにおいて、クラウドロボティクスと比較してどのように遅延を低減するか？
• RQ2 Fogコンピューティングは、人間-ロボットインタラクションの応答性となめらかさをどの程度向上できるか？
• RQ3 Fogノードによるロボット計算の分散化は、どのようなセキュリティおよびプライバシー上の利点をもたらすか？
• RQ4 増加するロボットおよびユーザー数に伴って、Fogベースのアーキテクチャはどの程度スケーラブルか？
• RQ5 ネットワーク不安定状態や部分的なクラウド障害下でも、Fogロボティクスは頑健な性能を維持できるか？

主な発見

• Fog Roboticsは、特に時間的に敏感な人間-ロボットインタラクションタスクにおいて、クラウドロボティクスと比較してエンドツーエンドの遅延を顕著に低減する。
• 提案されたアーキテクチャは、重要なデータをロボットに近接して処理することで、ニアリアルタイムの反応を可能にし、システムの応答性を向上させる。
• 局所的なデータ処理とクラウド依存度の低減により、データ漏洩やランサムウェアなどのセキュリティリスクが低減する。
• ネットワークの変動下でも、クラウド中心のシステムに比べてFogベースのモデルがより高い耐障害性を示す。
• 実験結果から、Fogノードがローカルで複雑な認識および意思決定タスクを処理でき、機敏性とインタラクションのなめらかさが向上することが確認された。
• クラウド接続が途切れてもシステムは高い性能を維持することができ、レジリエンスおよびスケーラビリティを示している。