[论文解读] Fog Robotics: A Summary, Challenges and Future Scope

Gudi Siva Leela Krishna Chand, Benjamin Johnston+1 more|arXiv (Cornell University)|Aug 14, 2019

IoT and Edge/Fog Computing被引用 7

一句话总结

本文提出了雾机器人（Fog Robotics）作为云机器人（Cloud Robotics）的低延迟替代方案，通过基于边缘的计算来减少网络拥塞并提升机器人的实时性能。通过在机器人与云之间部署雾机器人服务器，系统显著降低了延迟——在Pepper机器人实验中得到验证——在对时间敏感的应用中优于传统的云机器人。

ABSTRACT

Human-robot interaction plays a crucial role to make robots closer to humans. Usually, robots are limited by their own capabilities. Therefore, they utilise Cloud Robotics to enhance their dexterity. Its ability includes the sharing of information such as maps, images and the processing power. This whole process involves distributing data which intend to rise enormously. New issues can arise such as bandwidth, network congestion at backhaul and fronthaul systems resulting in high latency. Thus, it can make an impact on seamless connectivity between the robots, users and the cloud. Also, a robot may not accomplish its goal successfully within a stipulated time. As a consequence, Cloud Robotics cannot be in a position to handle the traffic imposed by robots. On the contrary, impending Fog Robotics can act as a solution by solving major problems of Cloud Robotics. Therefore to check its feasibility, we discuss the need and architectures of Fog Robotics in this paper. To evaluate the architectures, we used a realistic scenario of Fog Robotics by comparing them with Cloud Robotics. Next, latency is chosen as the primary factor for validating the effectiveness of the system. Besides, we utilised real-time latency using Pepper robot, Fog robot server and the Cloud server. Experimental results show that Fog Robotics reduces latency significantly compared to Cloud Robotics. Moreover, advantages, challenges and future scope of the Fog Robotics system is further discussed.

研究动机与目标

• 为解决云机器人存在的局限性，特别是由于大规模数据传输导致的高延迟和网络拥塞问题。
• 探索雾机器人作为集中式云处理的去中心化替代方案的可行性与优势。
• 通过在受控机器人环境中进行实时延迟测量，评估雾机器人的架构。
• 从响应时间与系统响应速度的角度，对比雾机器人与云机器人的表现。

提出的方法

• 设计一种将计算资源更靠近机器人的雾机器人架构，以减少对远程云服务器的依赖。
• 实施三层系统：机器人、雾机器人服务器和云服务器，以分担处理任务。
• 使用Pepper机器人在雾环境和云环境中进行实时延迟测试。
• 在相同条件下测量任务执行的端到端延迟，以对比雾与云性能。
• 选择延迟作为主要性能指标，以验证系统有效性。
• 通过实时数据传输与处理实验，评估系统的响应能力。

实验结果

研究问题

• RQ1 在实时机器人应用中，雾机器人相比传统云机器人如何降低延迟？
• RQ2 何种架构设计能够实现机器人、雾服务器与云之间高效的任务卸载？
• RQ3 雾机器人在多大程度上能提升机器人操作的响应速度与可靠性？
• RQ4 在延迟与网络负载方面，雾机器人与云机器人之间的关键性能权衡是什么？

主要发现

• 雾机器人在Pepper机器人的真实实验中，显著降低了端到端延迟，优于云机器人。
• 雾机器人服务器通过在数据源附近处理数据，实现了更低的响应时间，最大限度减少了传输延迟。
• 通过雾层的本地化处理，云机器人中常见的网络拥塞以及回传/前传瓶颈问题得到有效缓解。
• 所提出的架构保持了高可靠性和可扩展性，适用于对时间敏感的机器人应用。
• 实验结果证实，雾机器人在延迟敏感场景中表现优于云机器人，尤其是在高数据负载下。
• 本研究将雾机器人识别为下一代机器人系统中实现低延迟、实时决策的可行解决方案。