[논문 리뷰] HiveMind: A Scalable and Serverless Coordination Control Platform for UAV Swarms

Justin Hu, Ariana Bruno외 5명|arXiv (Cornell University)|2020. 02. 04.

Cloud Computing and Resource Management참고 문헌 48인용 수 10

한 줄 요약

HiveMind는 중앙 집중식 클라우드 기반 계산과 엣지 장치 사전 처리를 조합하여 네트워크 트래픽을 줄이고 성능을 향상시키는 확장성 있고 서버리스 기반의 UAV 기반 스웜 협업 플랫폼입니다. 이벤트 기반 서버리스 함수, 장애 내성, 느린 처리 작업 대응 기술을 활용함으로써, 장애나 부하 불균형 상황에서도 완전히 중앙 집중식 또는 분산식 시스템보다 더 낮은 지연 시간, 더 높은 배터리 효율성 및 더 높은 신뢰성을 달성합니다.

ABSTRACT

Swarms of autonomous devices are increasing in ubiquity and size. There are two main trains of thought for controlling devices in such swarms; centralized and distributed control. Centralized platforms achieve higher output quality but result in high network traffic and limited scalability, while decentralized systems are more scalable, but less sophisticated. In this work we present HiveMind, a centralized coordination control platform for IoT swarms that is both scalable and performant. HiveMind leverages a centralized cluster for all resource-intensive computation, deferring lightweight and time-critical operations, such as obstacle avoidance to the edge devices to reduce network traffic. HiveMind employs an event-driven serverless framework to run tasks on the cluster, guarantees fault tolerance both in the edge devices and serverless functions, and handles straggler tasks and underperforming devices. We evaluate HiveMind on a swarm of 16 programmable drones on two scenarios; searching for given items, and counting unique people in an area. We show that HiveMind achieves better performance and battery efficiency compared to fully centralized and fully decentralized platforms, while also handling load imbalances and failures gracefully, and allowing edge devices to leverage the cluster to collectively improve their output quality.

연구 동기 및 목표

• 완전히 중앙 집중식 또는 완전히 분산식 UAV 스웜 제어 플랫폼의 확장성 및 효율성 한계를 해결합니다.
• 가벼운, 시간에 민감한 작업(예: 장애물 회피)을 엣지 장치로 이관하여 UAV 스웜의 네트워크 트래픽을 줄입니다. 복잡한 계산은 여전히 클라우드에서 수행합니다.
• 드론 고장 또는 성능 저하가 발생할 경우 실시간으로 작업을 재할당하여 장애 내성과 부하 균형을 향상시킵니다.
• 느린 처리 작업 감지 및 대응 기능을 갖춘 서버리스 작업 실행을 통해 성능 예측 가능성을 높이고 지연 시간을 줄입니다.
• 엣지 장치가 클라우드에서 처리된 결정에서 학습함으로써 집단 지능을 가능하게 하고, 시간이 지남에 따라 전체 출력 품질을 향상시킵니다.

제안 방법

• 자원을 많이 소비하는 작업을 클라우드에서 실행하기 위해 이벤트 기반 서버리스 컴퓨팅 프레임워크(예: AWS Lambda 유사)를 사용하여 필요에 따라 세밀한 병렬 처리를 가능하게 합니다.
• 가벼운, 시간에 민감한 작업(예: 이미지 필터링, 초기 인식)을 UAV로 연기하여 데이터 전송을 최소화하고 네트워크 혼잡도를 줄입니다.
• 지속 가능한 컨테이너 인스턴스(1초 유지)를 사용하여 서버리스 백엔드에서 쿨스타트 오버헤드를 줄이고 작업 스케줄링 효율성을 향상시킵니다.
• 드론 고장을 감지하고 실시간으로 고장난 드론의 할당 영역을 인근 드론에 재할당하여 장애 내성을 확보합니다.
• 평균 시간보다 훨씬 오래 소요되는 작업을 식별하고 재시작하여 서버리스 실행에서 꼬리 지연 시간을 줄입니다.
• 중앙 집중식 지속 저장소를 사용하여 엣지 장치가 과거 결정에서 학습하고 향후 성능을 공동으로 향상시킬 수 있도록 합니다.

실험 결과

연구 질문

• RQ1 하이브리드 중앙 집중식-엣지 협업 모델이 지연 시간, 네트워크 효율성, 배터리 사용 측면에서 완전히 중앙 집중식 또는 완전히 분산식 UAV 스웜 제어와 비교해 어떻게 다른가요?
• RQ2 서버리스 컴퓨팅이 UAV 스웜 협업 플랫폼의 확장성과 비용 효율성 향상에 얼마나 기여할 수 있나요?
• RQ3 서버리스 플랫폼은 실시간 UAV 스웜 운영에서 고장 및 부하 불균형을 얼마나 효과적으로 처리할 수 있나요?
• RQ4 느린 처리 작업이 서버리스 기반 스웜 협업의 성능 예측 가능성에 미치는 영향은 무엇이며, 이를 어떻게 완화할 수 있나요?
• RQ5 중앙 집중식 클라우드 처리를 통해 엣지 장치의 결정 품질을 집단 학습과 피드백을 통해 향상시킬 수 있나요?

주요 결과

• HiveMind는 UAV에 사전 처리 기능을 이관함으로써 네트워크 트래픽을 줄여 완전히 중앙 집중식 시스템보다 더 뛰어난 확장성을 달성했습니다.
• 첫 번째 시나리오(물품 검색)에서 HiveMind는 두 대의 드론 고장 시 성능 저하를 10.3%로 줄였고, 세 대의 고장 시 24%로 유지하면서 작업을 완료했습니다.
• 두 번째 시나리오(사람 수 세기)에서는 두 대의 드론 고장 시 성능 저하가 11.8%로 발생했고, 세 대의 고장 시 26%로 증가했지만, 배터리 사용량은 고장 시 43%로 감소했습니다.
• HiveMind의 느린 처리 작업 완화 기술은 서버리스 작업의 장꼬리 지연 시간을 줄여 실행 예측 가능성을 향상시키고 자원 경쟁을 감소시켰습니다.
• HiveMind는 데이터 전송 감소와 클라우드 자원 경쟁 감소 덕분에 완전히 중앙 집중식 시스템보다 평균 실행 시간이 더 짧았습니다.
• 작업 완료 후 서버리스 컨테이너를 1초 동안 유지함으로써 유일하게 사용된 컨테이너 수를 줄였고, 유의미한 오버헤드 없이 성능을 향상시켰습니다.