Modeling and Validation of Quality of Control for Edge-Offloaded Collaborative Navigation

Resumen Técnico: Modelado y Validación de la Calidad de Control para la Navegación Colaborativa con Descarga en el Borde (Edge-Offloading)

Planteamiento del Problema
El control colaborativo en entornos complejos, particularmente para sistemas robóticos con descarga en el borde (edge-offloaded), enfrenta desafíos significativos debido a los retrasos estocásticos inalámbricos y las variaciones en la fiabilidad. Estas incertidumbres inducidas por la red degradan las capacidades de navegación, seguimiento y evasión de colisiones. Si bien la descarga del control al servidor de borde reduce las cargas computacionales a bordo y permite capacidades avanzadas (por ejemplo, mapeo centralizado), el cambio de configuraciones industriales cableadas a inalámbricas introduce una estocasticidad crítica en forma de retardo, fluctuación (jitter) y pérdida de paquetes. La literatura existente a menudo analiza parámetros aislados (por ejemplo, tasa de muestreo o latencia) o se basa en modelos lineales simplificados (holonómicos) que no logran capturar el acoplamiento no lineal de orientación y traslación en Vehículos de Guiado Automático (AGV) prácticos. Además, los marcos de trabajo previos de Calidad de Control (QoC) se han limitado a simulaciones, careciendo de validación experimental y sin tener en cuenta la dinámica no holonómica o las implicaciones energéticas específicas de los compromisos entre control y comunicación en entornos 5G reales.

Metodología
Los autores proponen un marco integral que modela, analiza y valida la QoC para AGVs no holonómicos operando sobre una red privada 5G con descarga de control en el borde.

1. Modelado del Sistema:

   • Dinámica del Robot: El artículo extiende los marcos de QoC previos incorporando restricciones cinemáticas no holonómicas. La evolución del estado se modela mediante ecuaciones de movimiento planar y angular donde las velocidades de traslación y rotación están acopladas con el ángulo de orientación del robot.
   • Arquitectura de Control: El sistema utiliza un controlador basado en el borde (que ejecuta Nav2 y Model Predictive Path Integral - MPPI) que calcula comandos de control basados en posiciones estimadas. La ley de control incluye un término de búsqueda de objetivos y un término de repulsión para la evasión de colisiones inspirado en Campos de Potencial Artificial (APF).
   • Modelo de Comunicación: El bucle de red se modela como un proceso estocástico que comprende las etapas de enlace ascendente (uplink), cómputo y enlace descendente (downlink) ($T_{net}$). El sistema tiene en cuenta las probabilidades de completar el bucle en relación con un plazo determinado ($\Delta$). Si el bucle excede el plazo, la entrada de control permanece en la muestra anterior (Hold de Orden Cero), introduciendo obsolescencia (staleness).
   • Métrica de QoC: Una métrica de QoC ($Q_i$) se deriva de la "energía de desacuerdo" (error de seguimiento) entre la trayectoria real del robot y una trayectoria de referencia nominal. Esta métrica se normaliza y acota en una escala de [0, 1], sirviendo como un indicador del gasto energético y el esfuerzo de control.

2. Validación Experimental:

   • Banco de Pruebas: Los experimentos se realizaron en un banco de pruebas de 5G privado (KTH R1 hall) utilizando dos robots TurtleBot 3 equipados con dongles 5G.
   • Configuración: Las tareas de navegación involucraron la evasión de colisiones dinámicas con destinos definidos por los controladores de borde. El sistema registró marcas de tiempo para la transmisión de uplink/downlink y el procesamiento en el borde para medir los retrasos reales del bucle.
   • Estrategia de Validación: Los autores compararon los resultados de la simulación (usando el modelo de AGV derivado) contra los datos experimentales inyectando retrasos artificiales para emular diversas combinaciones de retardo-fiabilidad. También evaluaron diferentes políticas de Calidad de Servicio (QoS) de ROS 2, comparando específicamente BEST-EFFORT (prioriza la baja latencia, tolera la pérdida) y RELIABLE (asegura la entrega mediante retransmisiones).

Contribuciones Clave

1. Modelado de Sistemas No Holonómicos: Este trabajo generaliza los marcos de QoC existentes al modelar explícitamente las restricciones cinemáticas no holonómicas. Esto permite caracterizar cómo la estocasticidad de la red afecta las dinámicas acopladas de traslación y rotación de los AGV prácticos, abordando un vacío dejado por los modelos holonómicos simplificados.
2. Abstracción Basada en QoC: El artículo propone una abstracción de QoC para la navegación con descarga en el borde 5G que presenta evasión de colisiones dinámica. Esta abstracción cuantifica el impacto específico de los parámetros de control (por ejemplo, ganancia de repulsión, periodo de muestreo) y los deterioros de la red en el rendimiento del sistema, facilitando el codiseño de control-comunicación.
3. Validación Experimental: El marco se valida mediante extensas simulaciones y experimentos prácticos en un banco de pruebas de 5G privado. El estudio confirma la utilidad de la abstracción y proporciona datos empíricos sobre cómo las diferentes políticas de QoS afectan la QoC en condiciones reales.

Resultos

• Perspectivas de Simulación: El análisis revela que, en niveles muy bajos de latencia-fiabilidad, el rendimiento del sistema (medido por el Área Bajo la Curva del desacuerdo) se degrada sustancialmente debido a la caída de paquetes. Una vez que se alcanza una fiabilidad suficiente, el rendimiento se vuelve menos sensible a los periodos de muestreo, pero permanece sensible a las ganancias de repulsión bajo altos retrasos.
• Optimización de Codiseño: El estudio demuestra que optimizar el retardo o la fiabilidad de forma aislada (por ejemplo, políticas de "Min-Delay" o "Max-Reliability") a menudo conduce a una QoC subóptima. Un enfoque de "Codiseño", que selecciona conjuntamente regímenes intermedios de retardo-fiabilidad y los parámetros de control correspondientes, maximiza consistentemente la QoC.
• Comparación de Políticas de QoS: En las evaluaciones experimentales, la política de QoS RELIABLE produjo una puntuación de QoC un 51.5% mayor en comparación con la política BEST-EFFORT bajo configuraciones específicas. Aunque BEST-EFFORT ofreció una menor latencia, sufrió de mayores incumplimientos de los plazos de paquetes y una cohesión degradada. Por el contrario, RELIABLE aseguró la entrega pero introdujo una mayor variabilidad en el rendimiento (throughput), lo que implica la necesidad de un aprovisionamiento de recursos más agresivo en la estación base 5G.
• Simulación vs. Experimento: Los resultados experimentales se alinearon estrechamente con las tendencias de la simulación con respecto a la transición entre los regímenes dominados por la fiabilidad y por el retardo. Sin embargo, la coincidencia cuantitativa exacta fue limitada por la complejidad del stack Nav2/MPPI en el mundo real, donde la evasión de colisiones surge de múltiples capas interactuantes en lugar de una sola ganancia escalar.

Significancia
El artículo proporciona una base de principios para el codiseño de control-comunicación en la automatización industrial de próxima generación. Al cerrar la brecha entre los modelos teóricos de QoC y la navegación práctica de AGV con descarga en el borde, este trabajo ofrece una metodología validada para optimizar el rendimiento robótico bajo condiciones de red estocásticas. Los hallazgos resaltan que las elecciones de fiabilidad moldean directamente la QoC medida y la eficiencia energética, sugiriendo que los proveedores de red y los diseñadores de sistemas deben equilibrar las garantías de entrega con el exceso de aprovisionamiento de recursos. La mejora demostrada del 51.5% en la QoC utilizando la política de QoS RELIABLE subraya la importancia crítica de la fiabilidad en la robótica colaborativa de seguridad crítica, yendo más allá de la simple minimización de la latencia.