[論文レビュー] Terracorder: Sense Long and Prosper

Josh Millar, Sarab S. Sethi+2 more|arXiv (Cornell University)|Aug 5, 2024

IoT and Edge/Fog Computing被引用数 8

ひとこと要約

Terracorderは、低電力生物多様性センサーのためのオンデバイス強化学習スケジューラを実証し、はるかに削減された作動回数でより高いイベント検出を達成し、電池寿命を延長するとともに、頑健性を高める協調ネットワークスケジューリングを含みます。

ABSTRACT

In-situ sensing devices need to be deployed in remote environments for long periods of time; minimizing their power consumption is vital for maximising both their operational lifetime and coverage. We introduce Terracorder -- a versatile multi-sensor device -- and showcase its exceptionally low power consumption using an on-device reinforcement learning scheduler. We prototype a unique device setup for biodiversity monitoring and compare its battery life using our scheduler against a number of fixed schedules; the scheduler captures more than 80% of events at less than 50% of the number of activations of the best-performing fixed schedule. We then explore how a collaborative scheduler can maximise the useful operation of a network of devices, improving overall network power consumption and robustness.

研究の動機と目的

• 長寿命の展開を実現する低電力・マルチセンサーデバイスを生物多様性モニタリングのために開発する。
• 電力制約下でイベント駆動センサ活性化を最適化するオンデバイス強化学習スケジューラを導入する。
• 孤立スケジューリングと協調スケジューリングを評価し、有用なアクティブ時間とネットワークの頑健性を最大化する。

提案手法

• Terracorderを構築するために、deep-sleepと低消費I/Oを備えたESP32s3ベースのPowerFeatherハードウェアを使用します。
• 検出を最大化しつつ作動を最小化するため、量子化されたアクション/状態空間を用いたオンデバイスQ-学習スケジューラを実装し、活性化を最小化しつつ検出を最大化する。
• 孤立スケジューリングのため、報酬 R_t = N_p_t - w1 * N_n_t を定義し、正の活性化と負の活性化をバランスさせる。
• ネットワーク全体の協調に対して報酬を拡張し、オーバーラップと電池バランスを含める： R_t = N_p_t - w1*N_n_t - w2*sum_i(N_o_ti-1) - w3*B_sigma_t。
• 5MPカメラ、全方位マイク、PIRセンサーを用いたプロトタイプを作成し、イベント検出のためにGoertzelフィルタリングとオンデバイスの1層CNNを評価します。
• Q学習推論/更新のオーバーヘッドがごくわずかで、24x7のQ-table（約3KB）を用いた実践的なオンデバイス学習をデモンストレーションします。

Figure 1 . Prototype configuration

実験結果

リサーチクエスチョン

• RQ1 on-device reinforcement learning schedulerは、電力制約下でイベント駆動センサを最適化してデバイス寿命を延ばすことができるか？
• RQ2 協調的でネットワーク認識型のスケジューリング戦略は、重複アクティベーションを減らし、全体的なネットワークの頑健性と効率を改善するか？
• RQ3 このアーキテクチャにおけるGoertzelフィルタリングとオンデバイスCNNベースのイベント検出の実際の性能・エネルギーのトレードオフは何か？

主な発見

• Q-learningによる孤立スケジューリングはイベントの85.3%を検出し、固定の3sベースラインよりバッテリー寿命を55.1%延長します。
• Q-learning推論は約30 μAを使用し、更新は約70 μA、レイテンシは<0.1 s; Goertzelは約33.3 mA、TFLiteは約33.1 mA、同等のレイテンシ。
• Goertzelで0.69年から1.07年へ、TFLiteベースのイベント検出では約1.05年へバッテリ寿命が延長します。
• センサとRTCをアタッチした状態で深いスリープ電流は約100 μAを達成します；WiFiは送信時の最大の電力消費要因のままです。
• 協調スケジューリングはオーバーラップを最小化し電池寿命をバランスさせるネットワーク全体の報酬を導入し、近接デバイス間で分散型の低オーバーヘッドな調整を可能にします。
• 24x7のQ-table（約3 KB）は、24時間を通じて7つの活性化周波数にわたるスケジューリングをサポートします。

Figure 2 . Pareto curve of fixed vs. Q-learning schedules