⚡ electrical engineering

Edge-Based QoS-Aware Adaptive Task Placement: A Closed-Loop Control in Multi-Robot Systems

यह शोध पत्र मल्टी-रोबोट सिस्टम के लिए एक QoS-सचेत एडेप्टिव टास्क प्लेसमेंट (ATP) कंट्रोलर प्रस्तुत करता है जो वास्तविक समय के लेटेंसी और रिसोर्स मेट्रिक्स के आधार पर लोकल एक्ज़ीक्यूशन और एज ऑफलोडिंग के बीच टास्क प्लेसमेंट को गतिशील रूप से अनुकूलित करता है, और एक क्लोज्ड-लूप टेस्टबेड के माध्यम से यह प्रदर्शित करता है कि यह दृष्टिकोण स्ट्रेस और नेटवर्क फॉल्ट परिदृश्यों के तहत स्टैटिक ऑर्केस्ट्रेशन की तुलना में डेडलाइन उल्लंघन और टेल लेटेंसी को काफी कम कर देता है।

मूल लेखक: Thien Tran, Jonathan Kua, Thuong Hoang, Minh Tran, Honghao Lyu, Jiong Jin

प्रकाशित 2026-06-02

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Thien Tran, Jonathan Kua, Thuong Hoang, Minh Tran, Honghao Lyu, 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

कल्पना कीजिए कि रोबोटों की एक टीम फैक्ट्री के फर्श पर काम कर रही है। उन्हें एक ही समय में दो काम करने की आवश्यकता है: जो हो रहा है उसे देखना (कैमरों का उपयोग करके) और उस पर कार्य करना (अपने हाथों को हिलाना)।

ये दोनों काम करने के लिए बहुत अधिक मानसिक शक्ति (brainpower) की आवश्यकता होती है। यदि रोबोट सारा काम खुद करने की कोशिश करता है, तो उसका "दिमाग" (प्रोसेसर) बहुत गर्म हो सकता है और धीमा हो सकता है। यदि वह "देखने" वाले काम को पास के एक सुपर-कंप्यूटर (जिसे "एज" कहा जाता है) को भेजने की कोशिश करता है, तो उसे संदेशों के आने-जाने का इंतज़ार करना होगा, जिससे देरी हो सकती है।

यह शोध पत्र इस खींचतान को संभालने का सबसे अच्छा तरीका पता लगाने के लिए एक छोटा परीक्षण लैब बनाता है। यहाँ उनके प्रयोग और उनके निष्कर्षों का विवरण दिया गया है, जिसे सरल उपमाओं (analogies) का उपयोग करके समझाया गया है।

सेटअप: रोबोट की टीम

शोधकर्ताओं ने तीन मुख्य पात्रों के साथ एक मिनी-सिस्टम बनाया:

रोबोट 1 ("लाइट" कैमरा): एक छोटा, सरल रोबोट जिसमें एक कैमरा है। यह तस्वीरें लेता है।
रोबोट 2 ("हेवी" आर्म): एक थोड़ा अधिक शक्तिशाली रोबोट जिसमें एक मैकेनिकल हाथ है। यह निर्देशों के आधार पर चलता है।
एज नोड ("स्मार्ट असिस्टेंट"): एक शक्तिशाली कंप्यूटर जो उसी वाई-फाई नेटवर्क पर पास में स्थित है। यदि पूछा जाए, तो यह भारी गणितीय गणना कर सकता है।

उन्होंने इन तीनों को एक वाई-फाई नेटवर्क से जोड़ा और एक लूप बनाया: कैमरा कुछ देखता है $\rightarrow$ पता लगाता है कि वह क्या है $\rightarrow$ हाथ को बताता है कि कहाँ जाना है $\rightarrow$ हाथ हिलता है।

तीन रणनीतियाँ

शोधकर्ताओं ने काम को प्रबंधित करने के तीन अलग-अलग तरीके आजमाए:

1. "सब कुछ खुद करो" रणनीति (लोकल/स्थानीय)

यह कैसे काम करती है: रोबोट 1 तस्वीर लेता है और वह जो देख रहा है उसे पूरी तरह अकेले समझ लेता है। वह मदद के लिए कभी नहीं पूछता।
उपमा: यह एक ऐसे शेफ की तरह है जो एक छोटे से किचन में एक साथ सब्जियां काटने, सूप पकाने और बर्तन धोने की कोशिश कर रहा है।
परिणाम: यह बहुत तेज़ है क्योंकि संदेशों का इंतज़ार नहीं करना पड़ता। लेकिन, शेफ थक जाता है (CPU उपयोग 85% तक पहुँच जाता है) और यदि एक साथ बहुत सी चीजें होती हैं, तो वह प्लेटें गिराने लगता है।

2. "हमेशा मदद मांगो" रणनीति (स्टैटिक ऑफलोडिंग)

यह कैसे काम करती है: रोबोट 1 तस्वीर लेता है और तुरंत उसे समझने के लिए स्मार्ट असिस्टेंट को भेज देता है। असिस्टेंट जवाब वापस भेजता है।
उपमा: शेफ सब्जियों को दूसरे कमरे में बैठे एक सहायक (sous-chef) के पास काटने के लिए भेजता है।
परिणाम: मुख्य शेफ तरोताजा रहता है (CPU उपयोग गिरकर 15% हो जाता है)। हालाँकि, यदि गलियारा (नेटवर्क) भीड़भाड़ वाला हो जाता है या दरवाजा जाम हो जाता है (नेटवर्क लैग), तो सब्जियां वहां बहुत देर तक पड़ी रहती हैं। शेफ सब्जियों के आने का इंतज़ार करते हुए सूप जला देता है।

3. "स्मार्ट मैनेजर" रणनीति (एडेप्टिव टास्क प्लेसमेंट - ATP)

यह कैसे काम करती है: यह एक नया आविष्कार है। एक स्मार्ट कंट्रोलर स्थिति पर नज़र रखता है।
- यदि मुख्य शेफ पसीना बहा रहा है और थक रहा है, तो वह काम को असिस्टेंट के पास भेज देता है।
- यदि गलियारा जाम है या असिस्टेंट धीमा है, तो वह काम को वापस मुख्य शेफ के पास ले आता है।
उपमा: एक ट्रैफिक पुलिस वाला जो कारों को निर्देशित करता है। यदि मुख्य सड़क साफ है, तो कारें स्थानीय स्तर पर रहती हैं। यदि हाईवे पर जाम है, तो वे हाईवे लेते हैं। यदि हाईवे पर कोई दुर्घटना होती है, तो वे वापस स्थानीय सड़क पर चले जाते हैं।
परिणाम: इसे दोनों दुनियाओं का सर्वश्रेष्ठ लाभ मिलता है। यह शेफ को बहुत अधिक थकने नहीं देता, लेकिन यह भी सुनिश्चित करता है कि जब चीजें गलत होती हैं, तो यह तुरंत अपनी रणनीति बदल लेता है ताकि सूप जले नहीं।

प्रयोग: सिस्टम पर दबाव डालना

शोधकर्ताओं ने इस सिस्टम पर दो तरीकों से दबाव डाला:

CPU स्ट्रेस: उन्होंने रोबंड 1 को अतिरिक्त, नकली काम दिया ताकि यह देखा जा सके कि क्या वह क्रैश हो जाता है।
नेटवर्क स्ट्रेस: उन्होंने वाई-फाई को धीमा और अविश्वसनीय बना दिया (जैसे कि एक व्यस्त फैक्ट्री में खराब कनेक्शन)।

उन्हें क्या मिला

"सब कुछ खुद करने वाला" रोबोट व्यस्त होने पर बुरी तरह विफल रहा। वह अपनी समय सीमा (डेडलाइन) चूक गया (प्लेटें गिरा दीं) क्योंकि उसका दिमाग बहुत भरा हुआ था।
"हमेशा पूछने वाला" रोबोट नेटवर्क खराब होने पर बुरी तरह विफल रहा। देरी के कारण उसने डेडलाइन मिस कर दी।
"स्मार्ट मैनेजर" (ATP) हीरो साबित हुआ।
- जब रोबोट थक गया, तो उसने काम को एज (edge) पर भेज दिया।
- जब नेटवर्क खराब हुआ, तो वह तुरंत काम को स्थानीय स्तर पर वापस ले आया।
- परिणाम: इसने हर स्थिति में डेडलाइन उल्लंघन (लक्ष्य समय चूकना) को 5% से नीचे रखा। इसने एक स्वस्थ संतुलन बनाए रखा, जिससे रोबोट का दिमाग 85% या 15% के बजाय 55% के आरामदायक उपयोग पर रहा।

मुख्य निष्कर्ष

यह शोध पत्र सिद्ध करता है कि आपको रोबोट चलाने का केवल एक तरीका (या तो हमेशा लोकल या हमेशा क्लाउड) चुनने की आवश्यकता नहीं है। इसके बजाय, आपको एक डायनेमिक स्विच की आवश्यकता है जो वास्तविक समय में रोबोट के स्वास्थ्य और नेटवर्क के स्वास्थ्य पर नज़र रखे।

इस "स्मार्ट मैनेजर" का उपयोग करके, रोबोट तेज़ और सुरक्षित रह सकते हैं, भले ही फैक्ट्री अराजक हो, वाई-फाई अस्थिर हो, या रोबोट अत्यधिक काम से जूझ रहा हो। यह एक नाजुक सिस्टम को एक लचीले (resilient) सिस्टम में बदल देता है।

तकनीकी सारांश: मल्टी-रोबोट सिस्टम में एज-आधारित QoS-जागरूक अनुकूली कार्य प्लेसमेंट (Edge-Based QoS-Aware Adaptive Task Placement)

समस्या विवरण
मल्टी-रोबोट सिस्टम (MRS) सख्त क्वालिटी-ऑफ-सर्विस (QoS) बाधाओं को पूरा करने के लिए कंप्यूट-इंटेंसिव परसेप्शन कार्यों को एज नोड्स पर ऑफलोड करने पर तेजी से निर्भर हो रहे हैं। हालांकि, साझा एज नोड्स पर स्टेटिक टास्क ऑर्केस्ट्रेशन अक्सर नेटवर्क लेटेंसी, जिटर और रिसोर्स कंटेंशन के कारण QoS को खराब कर देता है। जबकि मौजूदा साहित्य ऑफलोडिंग और एज-एक्सेलेरेटेड रोबोटिक्स का अन्वेषण करता है, वास्तविक दुनिया के टेस्टबेड से ऐसे अनुभवजन्य प्रमाणों की कमी है जो एक साथ वन-वे कंट्रोल-लूप लेटेंसी को इंस्ट्रुमेंट करते हों, यथार्थवादी नेटवर्क दोषों (impairments) को इंजेक्ट करते हों, और विभिन्न स्थितियों के तहत QoS-जागरूक अनुकूली नीतियों का मूल्यांकन करते हों। विशेष रूप से, स्टेटिक ऑफलोडिंग ऑन-बोर्ड CPU लोड को तो कम कर सकती है, लेकिन नेटवर्क की स्थिति में उतार-चढ़ाव होने पर यह अक्सर टेल लेटेंसी (tail latency) और डेडलाइन मिस को बढ़ा देती है।

कार्यप्रणाली (Methodology)
लेखक एक कैमरा-टू-मैनिप्युलेटर विजुअल सर्वोइंग पाइपलाइन का मूल्यांकन करने के लिए रास्पबेरी पाई (Raspberry Pi) नोड्स का उपयोग करते हुए एक पायलट एज-सेंट्रिक MRS टेस्टबेड प्रस्तुत करते हैं। सिस्टम आर्किटेक्चर में शामिल हैं:

रोबोट 1 (R1): एक "लाइट" नोड (Raspberry Pi 3B) जो इमेज एक्विजिशन (सेंसिंग, T1) के लिए जिम्मेदार है।
रोबोट 2 (R2): एक "हेवी" नोड (Raspberry Pi 5) जो एक रोबोटिक आर्म को संचालित करता है, मोशन कंट्रोल (प्लानिंग/डिसीजन T3, कंट्रोल/एक्चुएशन T4) निष्पादित करता है।
एज नोड (E): एक उबंटू-आधारित सर्वर (Raspberry Pi 5) जो ऑफलोडेड परसेप्शन कार्यों (परसेप्शन, T2) को चलाता है।

अध्ययन परसेप्शन कार्य (T2) के लिए तीन निष्पादन मोड (execution modes) की तुलना करता है:

लोकल (LOC): सभी कार्य रोबोट्स पर निष्पादित होते हैं; एज केवल टेलीमेट्री एकत्र करता है।
स्टेटिक ऑफलोड (SO): परसेप्शन (T2) को स्थायी रूप से एज पर ऑफलोड किया जाता है।
QoS-जागरूक अनुकूली टास्क प्लेसमेंट (ATP): एक हल्का कंट्रोलर मापे गए मेट्रिक्स के आधार पर T2 को लोकल (R1) और एज (E) निष्पादन के बीच गतिशील रूप से स्विच करता है।

ATP कंट्रोलर
ATP कंट्रोलर एक क्लोज्ड-लूप एजेंट के रूप में कार्य करता है जो ऑसिलेशन (oscillation) को रोकने के लिए हिस्टेरेसिस मैकेनिज्म का उपयोग करता है। यह दो सेकंड के ऑब्जर्वेशन विंडो (जिसमें $W$ कंट्रोल साइकिल शामिल हैं) पर मेट्रिक्स का मूल्यांकन करता है:

मेट्रिक्स: एंड-टू-एंड (E2E) लेटेंसी ( $\hat{L}$ ), रोबोट CPU यूटिलाइजेशन ( $\hat{U}_r$ ), और एज CPU यूटिलाइजेशन।
डिसीजन लॉजिक:
- एज पर ऑफलोड करना: यदि $\hat{L} \geq L_{th}$ (लेटेंसी थ्रेशोल्ड) या $\hat{U}_r \geq U^H_r$ (हाई CPU थ्रेशोल्ड) हो, तो ट्रिगर होता है।
- रोबोट पर ऑनलोड करना: यदि $\hat{L} \geq L_{th}$ (जो नेटवर्क डिग्रेडेशन को दर्शाता है) या $\hat{U}_r \leq U^L_r$ (लो CPU थ्रेशोल्ड, जो पर्याप्त लोकल हेडरूम को दर्शाता है) हो, तो ट्रिगर होता है।
स्थिरता (Stability): स्टेट स्विच की अनुमति देने से पहले एक न्यूनतम ड्वेल टाइम ( $N_{min}$ ) लागू किया जाता है।

प्रायोगिक सेटअप (Experimental Setup)
प्रयोग तीन परिदृश्यों के तहत किए गए थे:

बेसलाइन: कम नेटवर्क बाधाएं और डिफॉल्ट CPU लोड।
रोबोट CPU स्ट्रेस: प्रतिस्पर्धा करने वाली प्रक्रियाओं को सिम्युलेट करने के लिए R1 पर सिंथेटिक लोड इंजेक्ट किया गया।
नेटवर्क इम्पेयरमेंट: tc netem के माध्यम से गाऊसी विलंब (Gaussian delay) ( $\mu=25$ ms, $\sigma=5$ ms) और 2% पैकेट लॉस इंजेक्ट किया गया।

प्रदर्शन का मूल्यांकन E2E लेटेंसी डिस्ट्रीब्यूशन (विशेष रूप से 95वां पर्सेंटाइल, $L_{95}$ ), डेडलाइन उल्लंघन दर ( $V_D$ ), और CPU यूटिलाइजेशन का उपयोग करके किया गया।

मुख्य परिणाम

लेटेंसी और टेल बिहेवियर: स्टेटिक ऑफलोड (SO) मोड ने नेटवर्क राउंड-ट्रिप टाइम के कारण महत्वपूर्ण "लॉन्ग टेल" लेटेंसी और उच्च समग्र देरी प्रदर्शित की। लोकल (LOC) मोड सबसे सुसंगत लेटेंसी प्रदान करता था, लेकिन उच्च CPU उपयोग की कीमत पर। ATP मोड ने SO की टेल लेटेंसी स्पाइक्स से बचते हुए, LOC के लो-लेटेंसी प्रोफाइल को बारीकी से कॉपी किया।
डेडलाइन अनुपालन:
- CPU स्ट्रेस के तहत: LOC बुरी तरह विफल रहा, जिसमें डेडलाइन उल्लंघन लगभग 40% तक बढ़ गया। SO और ATP स्थिर रहे।
- नेटवर्क फॉल्ट्स के तहत: SO नेटवर्क देरी के कारण 40% से अधिक उल्लंघन दर के साथ विफल रहा। LOC स्थिर रहा।
- ATP एकमात्र मोड था जिसने सभी परिदृश्यों में डेडलाइन उल्लंघन दर को 5% थ्रेशोल्ड से नीचे बनाए रखा, जो नेटवर्क की स्थिति बिगड़ने पर लोकल निष्पादन पर स्विच करके एक सुरक्षा बैकअप के रूप में प्रभावी ढंग से कार्य करता है।
रिसोर्स यूटिलाइजेशन: ATP ने इष्टतम संतुलन प्राप्त किया, LOC की तुलना में R1 CPU लोड को लगभग 35% कम किया (औसत 55% यूटिलाइजेशन बनाम 85%) और स्टेटिक ऑफलोडिंग के लेटेंसी पेनल्टी से बचा।

महत्व और दावे
यह पेपर QoS-जागरूक ATP कंट्रोलर को मल्टी-रोबोट सिस्टम के लिए एक व्यावहारिक एज-साइड कंट्रोल प्रिमिटिव के रूप में स्थापित करता है। लेखकों का दावा है कि:

अनुकूलनशीलता (Adaptability) महत्वपूर्ण है: स्टेटिक ऑफलोडिंग परिवर्तनशील नेटवर्क स्थितियों के तहत नाजुक है, जबकि अनुकूली प्लेसमेंट स्थानीय संसाधन कंटेंशन और नेटवर्क बाधाओं दोनों के विरुद्ध लचीलापन प्रदान करता है।
व्यावहारिक कार्यान्वयन: अध्ययन क्लाउड-एज-रोबोटिक्स (CER) परिनियोजन के लिए ठोस डिजाइन दिशानिर्देश प्रदान करता है, जो यह प्रदर्शित करता है कि कैसे एक सरल, मेजरमेंट-ड्रिवन कंट्रोलर हिस्टेरेसिस के साथ लोकल कंप्यूट हेडरूम और नेटवर्क लेटेंसी के बीच के ट्रेड-ऑफ को प्रभावी ढंग से प्रबंधित कर सकता है।
अनुभवजन्य सत्यापन: यह कार्य एक वास्तविक हार्डवेयर टेस्टबेड से अनुभवजन्य साक्ष्य प्रदान करके साहित्य के अंतर को भरता है जो केवल सिमुलेशन या औसत लेटेंसी मेट्रिक्स पर निर्भर रहने के बजाय यथार्थवादी जिटर और कंट्रोल-लूप व्यवहार को इंस्ट्रुमेंट करता है।

लेखक निष्कर्ष निकालते हैं कि ATP अगले पीढ़ी के CER के लिए एक मौलिक आर्किटेक्चरल संदर्भ के रूप में कार्य करता है और औद्योगिक साइबर-फिजिकल सिस्टम के लिए QoS-जागरूक मल्टी-ऑब्जेक्टिव वर्कलोड ऑर्केस्ट्रेशन में आगे के अनुसंधान को प्रेरित करता है। भविष्य के कार्य के रूप में इस तर्क को समृद्ध टास्क ग्राफ, मल्टी-रोबोट फ्लीट और अधिक जटिल ऑप्टिमाइजेशन फ्रेमवर्क तक विस्तारित करने का प्रस्ताव दिया गया है।