⚡ electrical engineering

DAG-Based QoS-Aware Dynamic Task Placement for Networked Multi-Stage Control Pipelines

यह कार्य-प्रगति (work-in-progress) शोध पत्र एक DAG-आधारित, QoS-जागरूक गतिशील टास्क प्लेसमेंट फ्रेमवर्क प्रस्तावित करता है जो हिस्टेरेसिस-सक्षम एल्गोरिदम के माध्यम से लेटेंसी (latency), डेडलाइन उल्लंघन और स्विचिंग लागतों को संयुक्त रूप से न्यूनतम करके नेटवर्क युक्त रोबोटिक्स में सेंसिंग-परसेप्शन-प्लानिंग-कंट्रोल पाइपलाइन को अनुकूलित करता है।

मूल लेखक: Thien Tran, Jonathan Kua, Thuong Hoang, Minh Tran, Yuemin Ding, Jiong Jin

प्रकाशित 2026-05-20

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Thien Tran, Jonathan Kua, Thuong Hoang, Minh Tran, Yuemin Ding, Jiong Jin

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

एक फैक्ट्री फ्लोर की कल्पना करें जहाँ रोबोट जटिल कार्य करने की कोशिश कर रहे हैं, जैसे कि नाजुक पुर्जों को जोड़ना या एक व्यस्त गोदाम में नेविगेट करना। ऐसा करने के लिए, वे "फिजिकल एआई" (Physical AI) पर निर्भर करते हैं—स्मार्ट सॉफ्टवेयर जिसे दुनिया को देखने, जो वह देख रहा है उसे समझने, एक चाल की योजना बनाने और फिर उस चाल को निष्पादित (execute) करने की आवश्यकता होती है।

समस्या यह है कि यह "दिमाग" वाला काम इतना भारी होता जा रहा है कि रोबोट का अपना ऑनबोर्ड कंप्यूटर इसे संभालने में सक्षम नहीं है। यदि रोबोट यह सब खुद करने की कोशिश करता है, तो वह अभिभूत हो जाता है और धीमा हो जाता है। यदि वह सारा डेटा एक दूर स्थित सर्वर (क्लाउड) को सोचने के लिए भेजता है, तो सिग्नल को आने-जाने में बहुत समय लगता है, जिससे रोबोट में झटके (jitter) आते हैं या उसकी टाइमिंग बिगड़ जाती है।

यह शोध पत्र एक स्मार्ट, बीच का रास्ता निकालने वाला समाधान प्रस्तावित करता है जिसे DAG-आधारित QoS-जागरूक डायनेमिक टास्क प्लेसमेंट (DAG-Based QoS-Aware Dynamic Task Placement) कहा जाता है। सरल शब्दों में इसका अर्थ यह है:

1. "असेंबली लाइन" सादृश्य (The DAG)

रोबोट के काम को चार-चरणीय असेंबली लाइन के रूप में सोचें:

सेंसिंग (Sensing): रोबोट का कैमरा एक तस्वीर लेता है।
परसेप्शन (Perception): कंप्यूटर यह पता लगाता है कि, "वह एक लाल बॉक्स है।"
प्लानिंग (Planning): कंप्यूटर निर्णय लेता है कि, "मुझे लाल बॉक्स को पकड़ना है।"
कंट्रोल (Control): रोबोट का हाथ वास्तव में उसे पकड़ने के लिए हिलता है।

लेखक इसे DAG (डिरेक्टेड एसाइक्लिक ग्राफ) कहते हैं, जो केवल "कार्यों के एकतरफा प्रवाह" को कहने का एक तकनीकी तरीका है।

2. "एंकर किए गए" बनाम "चलने वाले" कार्य (The "Hard-Anchored" vs. "Movable" Tasks)

यह शोध पत्र तर्क देता है कि इस लाइन के सभी चरणों को इधर-उधर नहीं घूमना चाहिए।

एंकर (Sensing और Control): कैमरा (चरण 1) और हाथ की मोटर (चरण 4) को रोबोट पर ही रहना चाहिए। क्यों? क्योंकि यदि रोबोट को यह जानने के लिए सर्वर से सिग्नल का इंतजार करना पड़ता है कि वह क्या देख रहा है या अपने हाथ को कैसे हिलाना है, तो देरी बहुत अधिक हो जाती है। यह वैसा ही है जैसे कार चलाने के दौरान इस संदेश के आने का इंतजार करना कि क्या लाइट लाल है।
मूवर्स (Perception और Planning): "सोचने" वाले हिस्से (चरण 2 और 3) लचीले हैं। वे रोबोट पर भी रह सकते हैं, या उन्हें पास के एक "एज सर्वर" (फैक्ट्री फ्लोर के ठीक बगल में स्थित एक शक्तिशाली कंप्यूटर) पर भेजा जा सकता है यदि रोबोट बहुत व्यस्त है।

3. "ट्रैफिक कंट्रोलर" (Dynamic Task Placement)

इस शोध पत्र का मुख्य हिस्सा एक स्मार्ट "ट्रैफिक कंट्रोलर" है जो यह तय करता है कि "सोचने" वाले चरणों को कहाँ चलाना चाहिए। यह केवल एक जगह चुनकर रुक नहीं जाता; यह ट्रैफिक की स्थितियों के आधार पर वास्तविक समय में अपना निर्णय बदलता रहता है।

यदि रोबोट व्यस्त है: यह सोचने वाले कार्यों को एज सर्वर (Edge Server) पर भेज देता है।
यदि नेटवर्क धीमा या ग्लिच वाला है: यह सोचने वाले कार्यों को वापस रोबोट पर ले आता है ताकि धीमे इंटरनेट कनेक्शन का इंतजार न करना पड़े।
यदि एज सर्वर व्यस्त है: यह काम को विभाजित कर सकता है (हाइब्रिड मोड), कुछ कार्यों को सर्वर पर भेज सकता है और कुछ को रोबोट पर रख सकता है।

4. "फ्लिप-फ्लॉपिंग" से बचने का नियम (Hysteresis)

स्मार्ट सिस्टमों के साथ एक बड़ी समस्या यह है कि वे "जिटरी" (अस्थिर) हो सकते हैं। कल्पना करें कि एक थर्मोस्टेट तापमान में मामूली उतार-चढ़ाव के कारण हर 10 सेकंड में हीटर चालू और बंद कर देता है। यह रोबोट के लिए बुरा है।

यह शोध पत्र एक "हिस्टेरेसिस" (Hysteresis) नियम (एक तकनीकी शब्द जिसका अर्थ है "कूल-डाउन" अवधि) पेश करता है। सिस्टम कार्यों को तब तक नहीं बदलेगा जब तक कि नया स्थान वर्तमान स्थान से काफी बेहतर न हो, और यह तुरंत वापस नहीं लौटेगा। यह सिस्टम को कुछ समय के लिए "स्थिर रहने" के लिए मजबूर करता है ताकि यह सुनिश्चित हो सके कि बदलाव वास्तव में सार्थक है। यह सिस्टम को बार-बार इधर-उधर बदलने से रोकता है, जिससे अराजकता पैदा हो सकती है।

5. "स्कोरकार्ड" (QoS Cost Function)

सिस्टम कैसे तय करता है कि क्या "बेहतर" है? यह चार चीजों को तौलने वाला एक स्कोरकार्ड उपयोग करता है:

गति (Speed): क्या रोबोट पर्याप्त तेज़ी से प्रतिक्रिया दे रहा है?
डेडलाइन (Deadlines): क्या रोबोट ने एक महत्वपूर्ण समय सीमा मिस कर दी?
रोबोट का स्वास्थ्य (Robot Health): क्या रोबोट का अपना कंप्यूटर ओवरहीट (ज़्यादा गर्म) हो रहा है?
सर्वर का स्वास्थ्य (Server Health): क्या पास का एज सर्वर ओवरलोडेड है?

सिस्टम लगातार एक "लागत" (cost) स्कोर की गणना करता है। यदि किसी कार्य को स्थानांतरित करने से स्कोर कम होता है (जिसका अर्थ है बेहतर गति और कम तनाव), तो वह उसे स्थानांतरित कर देता है। यदि स्कोर में सुधार इतना नहीं है कि बदलाव को उचित ठहराया जा सके, तो वह वहीं रहता है।

सारांश

संक्षेप में, यह शोध पत्र रोबोट के दिमाग को स्मार्ट तरीके से विभाजित करने के लिए एक फ्रेमवर्क प्रस्तुत करता है, जो रोबोट और पास के कंप्यूटर के बीच बंटा हुआ है। यह एक गणितीय मॉडल का उपयोग करता है ताकि यह सुनिश्चित हो सके कि रोबोट कभी भी डेडलाइन मिस न करे, कभी ओवरहीट न हो, और कभी धीमे इंटरनेट कनेक्शन से भ्रमित न हो। यह एक अत्यधिक कुशल मैनेजर की तरह कार्य करता है जो लगातार कर्मचारियों को उनके सबसे अच्छे डेस्क पर पुनर्नियुक्त करता है, इस आधार पर कि कौन व्यस्त है और फोन लाइन कितनी तेज़ काम कर रही है, जिससे यह सुनिश्चित होता है कि रोबोट अपने पैरों में उलझकर गिरें बिना फैक्ट्री सुचारू रूप से चलती रहे।

तकनीकी सारांश: नेटवर्केड मल्टी-स्टेज कंट्रोल पाइपलाइनों के लिए DAG-आधारित QoS-जागरूक डायनेमिक टास्क प्लेसमेंट

1. समस्या विवरण (Problem Statement)

औद्योगिक रोबोटिक्स में फिजिकल एआई (PAI) का एकीकरण, विशेष रूप से विजन-लैंग्वेज-एक्शन (VLA) मॉडल और वर्ल्ड फाउंडेशन मॉडल्स (WFMs) के माध्यम से, एक कम्प्यूटेशनल बेमेल (mismatch) पैदा कर रहा है। ये मॉडल ऐसी इन्फरेंस लागत की मांग करते हैं जो विशिष्ट औद्योगिक रोबोटों की ऑनबोर्ड क्षमताओं से अधिक है, जबकि उनकी सब-20 सेकंड की कोल्ड-स्टार्ट लेटेंसी, क्लोज्ड-लूप कंट्रोल के लिए आवश्यक सब-मिलीसेकंड डेडलाइन के साथ असंगत है।

मौजूदा परिनियोजन रणनीतियाँ महत्वपूर्ण सीमाओं का सामना करती हैं:

मोनोलिथिक लोकल एक्जीक्यूशन (Monolithic Local Execution): सभी चरणों (सेंसिंग, परसेप्शन, प्लानिंग, कंट्रोल) को रोबोट पर चलाने से एआई-एक्सेलरेटेड हार्डवेयर संतृप्त (saturate) हो जाता है, जिससे डेडलाइन उल्लंघन की उच्च दर (टेस्टबेड में अनुभवजन्य रूप से 40% से ऊपर रिपोर्ट की गई) होती है।
स्टैटिक एज ऑफलोडिंग (Static Edge Offloading): कार्यों को स्थायी रूप से एज सर्वर पर ऑफलोड करने से कंट्रोल लूप नेटवर्क जिटर और लेटेंसी परिवर्तनशीलता के प्रति असुरक्षित हो जाता है, जो सुरक्षा एनवेलप का उल्लंघन कर सकता है।
वर्तमान एडेप्टिव प्लेसमेंट (ATP): मौजूदा एडेप्टिव कंट्रोलर्स आमतौर पर केवल एक सिंगल पाइपलाइन स्टेज को बाइनरी थ्रेशोल्ड नियमों के आधार पर पुनर्गठित करते हैं। उनमें औपचारिक मल्टी-स्टेज मॉडल की कमी है, वे मल्टी-ऑब्जेक्टिव कॉस्ट फंक्शन को ऑप्टिमाइज़ नहीं करते हैं, और उनके पास टास्क प्लेसमेंट ऑसिलेशन (चैटर) के विरुद्ध कोई विश्लेषणात्मक प्रतिरोध नहीं है।

मुख्य चुनौती एक ऐसा रनटाइम ऑर्केस्ट्रेशन लेयर डिजाइन करना है जो क्लाउड-फॉग-एज निरंतरता (continuum) के बीच मल्टी-स्टेज कंट्रोल पाइपलाइनों को गतिशील रूप से स्थापित कर सके, जबकि क्लोज्ड-लूप टाइमिंग बजट का सम्मान करे और स्थिरता सुनिश्चित करे।

2. कार्यप्रणाली (Methodology)

लेखक एक डायरेक्टेड एसाइक्लिक ग्राफ (DAG)-आधारित क्वालिटी-ऑफ-सर्विस (QoS)-जागरूक डायनेमिक टास्क प्लेसमेंट (DTP) फ्रेमवर्क प्रस्तावित करते हैं।

A. सिस्टम मॉडलिंग

DAG के रूप में पाइपलाइन: सेंसिंग–परसेप्शन–प्लानिंग–कंट्रोल पाइपलाइन को चार कार्यों ( $T_1$ से $T_4$ ) के साथ एक DAG $G=(V, E_G)$ के रूप में औपचारिक रूप दिया गया है।
आर्किटेक्चरल इनवेरियंट्स (Architectural Invariants):
- हार्ड-एंकोर्ड स्टेज (Hard-Anchored Stages): सेंसिंग ( $T_1$ ) और कंट्रोल ( $T_4$ ) को भौतिक रोबोट हार्डवेयर ( $R_1$ और $R_2$ ) पर स्थिर रखा गया है ताकि सब-मिलीसेकंड लोकल रिफ्लेक्स लूप सुरक्षित रहे।
- रिलोकेटेबल एडेप्टेशन स्पेस (Relocatable Adaptation Space): परसेप्शन ( $T_2$ ) और प्लानिंग ( $T_3$ ) को रोबोट और एक एज सर्वर ( $E$ ) के बीच माइग्रेट होने की अनुमति है।
कंप्यूट फैब्रिक: सिस्टम नोड्स के एक सेट $N = R \cup E \cup C$ पर विचार करता है, जो इंडस्ट्रियल रियल-टाइम नेटवर्क्स (LAN, TSN, या 5G-URLLC) द्वारा आपस में जुड़े हुए हैं।

B. QoS-जागरूक कॉस्ट फंक्शन
यह फ्रेमवर्क $W$ कंट्रोल साइकिल्स के ऑब्जर्वेशन विंडोज पर कार्य करता है। यह विंडो $k$ के लिए एक मल्टी-ऑब्जेक्टिव कॉस्ट फंक्शन $J_k$ को परिभाषित करता है:
$J_k = \alpha_L \tilde{L}_{95,k} + \alpha_V VD_k + \alpha_r \tilde{U}_{r,k} + \alpha_e \tilde{U}_{e,k} + \alpha_S S(\pi_k, \pi_{k-1})$

मेट्रिक्स:
- $\tilde{L}_{95,k}$ : नॉर्मलाइज्ड 95वें पर्सेंटाइल एंड-टू-एंड लेटेंसी (टेल बिहेवियर को कैप्चर करने के लिए)।
- $VD_k$ : डेडलाइन उल्लंघन दर (प्राथमिक SLA)।
- $\tilde{U}_{r,k}, \tilde{U}_{e,k}$ : रोबोट्स और एज सर्वर पर नॉर्मलाइज्ड CPU यूटिलाइजेशन।
स्विचिंग पेनल्टी: टर्म $S(\pi_k, \pi_{k-1})$ , हैमिंग डिस्टेंस (Hamming distance) का उपयोग करता है ताकि बार-बार होने वाले माइग्रेशन को दंडित किया जा सके, जिससे "प्लेसमेंट चैटर" को रोका जा सके जो नेटवर्क स्थिरता को कम करता है।
वेट्स (Weights): औद्योगिक सेटिंग्स में, वेट्स रॉ लेटेंसी ( $\alpha_L$ ) और स्थिरता ( $\alpha_S$ ) के बजाय SLA अनुपालन ( $\alpha_V$ ) को प्राथमिकता देते हैं।

C. एल्गोरिदम और बाधाएं (Constraints)

कैंडिडेट सेट: एज हार्डवेयर पर ट्रैक्टेबिलिटी सुनिश्चित करने के लिए, एल्गोरिदम प्लेसमेंट के एक छोटे, व्याख्या योग्य सेट $\Pi_{cand}$ $Π_{c an d}$ का मूल्यांकन करता है:
- LOC: पूर्णतः लोकल (रोबोट्स पर $T_2, T_3$ )।
- SO: स्टैटिक ऑफलोड (एज पर $T_2, T_3$ )।
- HYB: हाइब्रिड (एज पर $T_2$ , रोबोट पर $T_3$ )।
हिस्टेरेसिस मैकेनिज्म (Hysteresis Mechanism): DTP एल्गोरिदम (Algorithm 1) स्थिरता सुनिश्चित करने के लिए निम्नलिखित लागू करता है:
- न्यूनतम ड्वेल टाइम ( $N_{min}$ ): जब मेट्रिक्स थ्रेशोल्ड के पास उतार-चढ़ाव करते हैं, तो तेजी से होने वाले बदलावों को रोकता है।
- कॉस्ट-इंप्रूवमेंट थ्रेशोल्ड ( $\Delta_{min}$ ): माइग्रेशन तभी होता है जब कॉस्ट में कमी सांख्यिकीय रूप से महत्वपूर्ण हो।
एस्टिमेशन: गैर-सक्रिय प्लेसमेंट के लिए, सिस्टम स्टैटिक प्रोफाइलिंग, ऑनलाइन इम्यूलेशन (साइकिल्स के एक अंश को रूट करना), या कंजर्वेटिव स्केलिंग का उपयोग करके QoS मेट्रिक्स का अनुमान लगाता है।

3. मुख्य योगदान (Key Contributions)

औपचारिक DAG मॉडल: एक पाइपलाइन मॉडल जो हार्ड-एंकोर्ड सेफ्टी-क्रिटिकल स्टेज को एक रिलोकेटेबल एडेप्टेशन स्पेस से अलग करता है, जो अंडरलाइंग नेटवर्क सबस्ट्रेट से स्वतंत्र है।
मल्टी-ऑब्जेक्टिव कॉस्ट फंक्शन: एक विंडो-बेस्ड फंक्शन जो टेल लेटेंसी, डेडलाइन उल्लंघन दर, हार्डवेयर यूटिलाइजेशन और माइग्रेशन स्थिरता को संयुक्त रूप से ऑप्टिमाइज़ करता है।
स्टेबलाइज्ड DTP एल्गोरिदम: एक एल्गोरिदम जो हिस्टेरेसिस और स्विचिंग पेनल्टी को शामिल करते हुए, कॉन्करेंट मल्टी-टास्क प्लेसमेंट के लिए सिंगल-स्टेज एडेप्टिव प्लेसमेंट को सामान्यीकृत करता है ताकि ऑसिलेशन को सीमित किया जा सके।
वैलिडेशन रोडमैप: डिस्क्रीट-इवेंट सिमुलेशन और फिजिकल रोबोटिक टेस्टबेड्स पर हार्डवेयर-इन-द-लूप (HIL) टेस्टिंग के माध्यम से एक संरचित दो-चरणीय योजना।

4. परिणाम और वैलिडेशन रणनीति

एक 'वर्क-इन-प्रोग्रेस' (WiP) पेपर के रूप में, लेखक अंतिम अनुभवजन्य परिणामों के बजाय एक सैद्धांतिक ढांचे और गुणात्मक विश्लेषण प्रस्तुत करते हैं।

गुणात्मक विश्लेषण: लेखक भविष्यवाणी करते हैं कि प्रतिकूल नेटवर्क स्थितियों (उच्च जिटर) के तहत DTP पॉलिसी LOC की ओर बढ़ेगी, रोबोट CPU स्ट्रेस के तहत SO की ओर, और जब कंप्यूट और कम्युनिकेशन रिसोर्स दोनों ही संयुक्त रूप से बाधित हों, तब HYB की ओर बढ़ेगी।
वैलिडेशन रोडमैप:
- चरण 1 (सिमुलेशन): एक डिस्क्रीट-इवेंट सिम्युलेटर स्ट्रेस परिदृश्यों (जैसे, गॉसियन नेटवर्क फॉल्ट इंजेक्शन, CPU स्ट्रेस) के विरुद्ध कॉस्ट-फंक्शन संवेदनशीलता और हिस्टेरेसिस बाउंड्स का परीक्षण करेगा।
- चरण 2 (HIL): एक मॉड्यूलर क्लाउड-एज-रोबोटिक्स टेस्टबेड कंप्यूट प्रोफाइल और नेटवर्क विलंब पर अनुभवजन्य डेटा प्रदान करेगा ताकि प्रस्तावित DAG-QoS DTP की LOC, SO और सिंगल-स्टेज ATP बेसलाइन्स के विरुद्ध तुलना की जा सके।

5. महत्व और दावे (Significance and Claims)

यह पेपर औद्योगिक स्वचालन में "कंट्रोल-कम्युनिकेशन-कंप्यूटिंग (3C)" को-डिजाइन गैप को संबोधित करने का दावा करता है। इसका महत्व निम्नलिखित में निहित है:

रनटाइम डिटरमिनिज्म: $T_1$ और $T_4$ को एंकर करके, फ्रेमवर्क नेटवर्क स्टेट से एक्चुएशन सुरक्षा को अलग करता है, जिससे सब-मिलीसेकंड रिफ्लेक्स लूप सुरक्षित रहता है।
अनुकूलन क्षमता (Adaptability): रिलोकेटेबल स्पेस हार्डवेयर को ओवरलोड किए बिना या निर्णयों को हार्ड-कोड किए बिना विषम कंप्यूट मांगों (VLA/LLM वर्कलोड सहित) को समायोजित करता है।
स्थिरता गारंटी: हैमिंग-डिस्टेंस स्विचिंग पेनल्टी प्लेसमेंट चैटर के विरुद्ध गणितीय रूप से बाध्य गारंटी प्रदान करती है, जो कंट्रोल-लूप स्थिरता में अनुवादित होती है।
इंडस्ट्री मैच्योरिटी: लेखक तर्क देते हैं कि कोई भी सिस्टम इंडस्ट्री 4.0 परिपक्वता या इंडस्ट्री 5.0 एजेंटिक ऑटोमेशन के लिए तैयार होने का विश्वसनीय दावा तब तक नहीं कर सकता जब तक कि वह डिप्लॉयमेंट एनवेलप में डेडलाइन उल्लंघन दर ($VD $)$ \le 5%$ की गारंटी न दे सके।

इस फ्रेमवर्क को एक बुनियादी "रनटाइम इंफ्रास्ट्रक्चर" या "PAI नर्वस सिस्टम" के रूप में रखा गया है जो LLM एजेंट्स और VLA मॉडल्स को वास्तविक दुनिया की कंप्यूट और नेटवर्क परिवर्तनशीलता के तहत विश्वसनीय रूप से संचालित करने में सक्षम बनाता है। भविष्य के कार्यों में कैंडिडेट प्लेसमेंट सेट का विस्तार करना, मल्टी-रोबोट फ्लीट का समर्थन करना और ऑनलाइन हाइपरपैरामीटर एडैप्टेशन को एकीकृत करना शामिल है।