ACCESS-AV: Adaptive Communication-Computation Codesign for Sustainable Autonomous Vehicle Localization in Smart Factories

तकनीकी सारांश: ACCESS-AV

समस्या विवरण
स्वायत्त वितरण वाहनों (ADVs) को विशाल, पृथक संयंत्र क्षेत्रों में सामानों के परिवहन के लिए 5G-सक्षम स्मार्ट कारखानों में तेजी से तैनात किया जा रहा है। हालांकि, इन वाहनों की तैनाती दो महत्वपूर्ण स्थिरता बाधाओं का सामना करती है: निरंतर, गणना-गहन स्थानीयकरण (localization) के लिए आवश्यक उच्च ऑनबोर्ड ऊर्जा खपत, और समर्पित बुनियादी ढांचे के साथ जुड़ी पर्यावरणीय एवं वित्तीय लागत। पारंपरिक स्थानीयकरण समाधान अक्सर समर्पित रोडसाइड यूनिट्स (RSUs) और महंगे ऑनबोर्ड सेंसर सूट (जैसे, LiDAR, कैमरे) पर निर्भर करते हैं, जो उनके एम्बॉडीड कार्बन फुटप्रिंट, परिचालन लागत और सिस्टम जटिलता को बढ़ाते हैं। इसके अलावा, मौजूदा उच्च-परिशुद्धता एल्गोरिदम जैसे कि मल्टिपल सिग्नल क्लासिफिकेशन (MUSIC), अत्यधिक गणना-गहन हैं, जिससे संसाधन-सीमित एम्बेडेड प्लेटफॉर्म पर निरंतर निष्पादन ऊर्जा की दृष्टि से निषेधात्मक हो जाता है।

कार्यप्रणाली (Methodology)
लेखक ACCESS-AV का प्रस्ताव करते हैं, जो एक अनुकूलित व्हीकल-टू-इंफ्रास्ट्रक्चर (V2I) स्थानीयकरण ढांचा है, जिसे स्थानीयकरण सटीकता और ऊर्जा खपत के बीच संतुलन को अनुकूलित करने के लिए डिज़ाइन किया गया है। यह कार्यप्रणाली तीन स्तंभों पर आधारित है:

1. अवसरवादी बुनियादी ढांचे का उपयोग (Opportunistic Infrastructure Utilization): समर्पित RSUs को तैनात करने के बजाय, ACCESS-AV मौजूदा निजी 5G इंफ्रास्ट्रक्चर, विशेष रूप से स्मार्ट कारखानों में पहले से मौजूद रिमोट रेडियो हेड्स (RRHs) का लाभ उठाता है। सिस्टम स्थानीयकरण के लिए आवधिक रूप से प्रसारित होने वाले 5G सिंक्रोनाइज़ेशन सिग्नल ब्लॉक्स (SSBs) का उपयोग करता है, जिससे अतिरिक्त सिग्नलिंग या हार्डवेयर की आवश्यकता समाप्त हो जाती है।
2. एल्गोरिदम दृष्टिकोण: ढांचा एंगल-ऑफ-अराइवल (AoA) अनुमान के लिए MUSIC एल्गोरिदम का उपयोग करता है। वाहन एक यूनिफॉर्म लीनियर एरे (ULA) के चार एंटेना से लैस है और इसमें एक OFDM वायरलेस रिसीवर है। सिस्टम ज्ञात RRH स्थान के सापेक्ष वाहन की स्थिति निर्धारित करने के लिए RRH से आने वाले सिग्नल के AoA की गणना करता है।
3. अनुकूलित संचार-गणना को-डिज़ाइन (Adaptive Communication-Computation Codesign): यह समझते हुए कि पूर्ण 5G SSB आवधिकता (20 ms) पर MUSIC चलाना ऊर्जा-अक्षम है और अक्सर अनावश्यक है, लेखक एक अनुकूलित वेक-अप टाइम (WT) तंत्र पेश करते हैं।
   • एक PID कंट्रोलर वास्तविक समय की पर्यावरणीय स्थितियों, विशेष रूप से सिग्नल-टू-नॉइज़ रेशियो (SNR) और वाहन के वेग (velocity) के आधार पर WT को गतिशील रूप से समायोजित करता है।
   • एल्गोरिदम बार-बार अपडेट की आवश्यकता (कम SNR या उच्च वेग के दौरान) और ऊर्जा संरक्षण (स्थिर स्थितियों के दौरान) के बीच संतुलन बनाता है।
   • सिस्टम एक परिभाषित अंतराल $[t_{base}, t_{max}]$ के भीतर कार्य करता है, जहाँ $t_{base}$ विशिष्ट पावर मोड के हार्डवेयर प्रोसेसिंग प्रतिबंधों द्वारा निर्धारित होता है, और $t_{max}$ उपयोगकर्ता द्वारा परिभाषित अधिकतम स्वीकार्य स्थिति अनिश्चितता द्वारा सेट किया जाता है।

प्रमुख योगदान
लेख दावा करते हैं कि निम्नलिखित योगदान हैं:

• बुनियादी ढांचे का उन्मूलन: यह पहला कार्य है जो मौजूदा 5G SSBs का अवसरवादी उपयोग करके ADV ऊर्जा बाधाओं और बुनियादी ढांचे की स्थिरता को संयुक्त रूप से संबोधित करता है, जिससे समर्पित RSUs की आवश्यकता समाप्त हो जाती है और तैनाती लागत एवं कार्बन फुटप्रिंट कम हो जाता है।
• हार्डवेयर सरलीकरण: इस दृष्टिकोण के लिए केवल एक एकल OFDM वायरलेस रिसीवर की आवश्यकता होती है, जिससे LiDAR या कैमरों जैसे अतिरिक्त सेंसरों की आवश्यकता समाप्त हो जाती है, जो ऑनबोर्ड हार्डवेयर जटिलता और लागत को कम करता है।
• अनुकूलित को-डिज़ाइन ढांचा: लेखक एक संचार-गणना को-डिज़ाइन रणनीति प्रस्तुत करते हैं जो SNR और वेग के अनुकूल होने वाले PID-आधारित कंट्रोलर के माध्यम से सटीकता और ऊर्जा खपत को गतिशील रूप से संतुलित करती है।
• अनुभवजन्य सत्यापन (Empirical Validation): अध्ययन गैर-अनुकूलित बेसलाइन (वैनिला MUSIC, ESPRIT, और Root-MUSIC) की तुलना में इस ढांचे की ऊर्जा दक्षता और सटीकता का व्यापक मूल्यांकन प्रदान करता है।

परिणाम
NVIDIA Jetson AGX Xavier प्लेटफॉर्म का उपयोग करके आठ अलग-अलग पावर मोडों में प्रयोगात्मक मूल्यांकन किया गया, जो एक स्मार्ट फैक्ट्री वातावरण में 300 मीटर के प्रक्षेपवक्र (trajectory) का अनुकरण करता है।

• ऊर्जा दक्षता: ACCESS-AV ने वैनिला MUSIC, ESPRIT और Root-MUSIC का उपयोग करने वाले गैर-अनुकूलित सिस्टम की तुलना में औसतन 43.09% ऊर्जा की कमी हासिल की। विशिष्ट उच्च-आवृत्ति मोड (जैसे, MODE 6 और 7) में, ऊर्जा बचत 52% से अधिक थी।
• स्थानीयकरण सटीकता: अनुकूलित दृष्टिकोण ने सभी पावर मोड और पर्यावरणीय स्थितियों में लगातार 0.3 मीटर (सब-30 सेमी) से कम की वर्स्ट-केस स्थानीयकरण त्रुटि बनाए रखी। इसके विपरीत, गैर-अनुकूलित बेसलाइन, विशेष रूप से ESPRIT और Root-MUSIC, उच्च त्रुटि संचय प्रदर्शित करते हैं, जिनमें से कुछ Y-दिशा में 0.8 मीटर से अधिक हो गए।
• लागत में कमी: पेपर अनुमान लगाता है कि LiDAR (लगभग $4,000) को 5G नेटवर्क एडेप्टर (लगभग$30.71) से बदलकर ऑनबोर्ड सेंसर लागत में 130 गुणा कमी आई है। इसके अतिरिक्त, मौजूदा RRHs का उपयोग करके, यह ढांचा समर्पित RSUs से जुड़ी पूंजीगत और परिचालन लागतों से बचता है।

महत्व और दावे
लेखक ACCESS-AV को अगली पीढ़ी के स्मार्ट कारखानों के लिए एक टिकाऊ समाधान के रूप में प्रस्तुत करते हैं। उनका दावा है कि समर्पित ट्रांसमिशन इंफ्रास्ट्रक्चर और अतिरिक्त सेंसरों को हटाकर, यह ढांचा स्वायत्त लॉजिस्टिक्स के एम्बॉडीड और परिचालन दोनों कार्बन फुटप्रिंट को महत्वपूर्ण रूप से कम करता है। यह कार्य सिद्ध करता है कि निरंतर, उच्च-आवृत्ति एल्गोरिदम निष्पादन के कम्प्यूटेशनल और ऊर्जा ओवरहेड के बिना उच्च-परिशुद्धता स्थानीयकरण (सब-30 सेमी) प्राप्त करना संभव है। लेख का निष्कर्ष है कि ACCESS-AV औद्योगिक वातावरण में स्वायत्त वाहनों को तैनात करने के लिए एक स्केलेबल, लागत प्रभावी और ऊर्जा-कुशल मार्ग प्रदान करता है, जो तकनीकी प्रदर्शन को स्थिरता लक्ष्यों के साथ संरेखित करता है। लेखकों द्वारा सुझाए गए भविष्य के कार्यों में नॉन-लाइन-ऑफ-साइट (NLOS) स्थितियों की जांच करना और RSS, ToA और TDoA जैसे अन्य स्थानीयकरण तकनीकों को एकीकृत करना शामिल है।