Zpracování dat a komunikace spolupracujících robotů v mobilních sítích

Abstract

S rostoucím počtem mobilních zařízení, zařízení internetu věcí (IoT) a autonomních vozidel každoročně narůstají nároky na rychlejší zpracování výpočetních úloh v omezených podmínkách. Mobilní sítě páté generace (5G) umožňují využití vícepřístupového výpočtu na okraji sítě (MEC Multi-access Edge Computing), což zařízením umožňuje přesun výpočetního zatížení na blízký okrajový server. Tato práce se zabývá tím, jakým způsobem může být rozhodnutí o offloadingu učiněno v dynamickém prostředí a porovnává výsledky v závislosti na různých parametrech. Hlavním zaměřením je rozhodnutí, kde má být úloha zpracována v závislosti na měnící se situaci. Rozvoj 5G sítí přinesl nové možnosti, jak mohou uživatelé přesouvat své úlohy za účelem snížení zpoždění. Nižší latence zvyšuje uživatelský komfort zejména v reálném čase probíhajících komunikacích, například v průmyslu nebo dopravě. Pro vytvoření modelu pro optimální rozhodování o offloadingu je však nutné zohlednit několik faktorů, jako je síťová struktura, spotřeba energie nebo stav front u uživatele či serveru. Navržená metodologie vychází z chamtivého algoritmu minimalizujícího zpoždění, kdy každé zařízení činí rozhodnutí, které v dané situaci vede k nejnižšímu odhadovanému zpoždění. Volba může spočívat ve zpracování úlohy lokálně, offloadingu na základnovou stanici (BS), nebo ve vzájemném sdílení mezi zařízeními (D2D). Systém dynamicky vypočítává očekávané zpoždění každé možnosti na základě aktuální hodnoty SINR a stavu front. Simulace s navrženou metodou dosáhla až o 94,9% nižšího průměrného zpoždění ve srovnání s modelem bez možnosti offloadingu. Tento výsledek dokládá, že navržený greedy-based model představuje praktické a efektivní řešení pro komunikaci kolaborativních robotů v sítích 5G.

As the number of mobile, IoT devices, or self-driving vehicles increases every year, there are more and more demands for faster processing to manage given computational tasks under the constraint. Fifth-generation (5G) mobile networks facilitate multi-access edge computing (MEC), which allows devices to offload their computational task onto edge server nearby. This paper will investigate how the offloading decision could be made in a dynamic environment and compare the results in various parameters. This paper is especially focused on where computation of the task should be performed in dynamic situations. The development of a 5G network opened more options in which users can offload their task to reduce delay. Lower latency could improve user experience especially for real-time communications in many fields such as industry or transportation. However, to build the model for an optimal offloading decision, several factors need to be considered, such as network structure, energy consumption, or user/server queue status. The proposed methodology is based on greedy-based delay minimizing algorithm, where each device makes the decision that will yield the lowest estimated delay in given situation. The selection could be local execution, base station (BS) offload, or device-to-device (D2D) offload. The system dynamically calculates the expected delay from each decision based on the real-time SINR value and the queue state. The simulation with the proposed method achieved up to 94.9 % lower average delay compared to the model without the offload option. This result demonstrates that the proposed greedy-based model provides a practical and efficient solution for collaborative robot communication in 5G networks.