Robotics and edge computing in 5G: A prototype for the openairInterface 5G System.

Abstract

Der neue Mobilfunkstandard 5G bietet viele Verbesserungen im Vergleich zu seinem Vorgänger 4G. Während aus Sicht der Endverbraucher:innen die Erhöhung der Bandbreite am wichtigsten ist, ist der 5G Anwendungsfall Ultra-Reliable Low Latency Communications (URLLC) für das Internet der Dinge (IoT) am wichtigsten. Das IoT besteht aus vernetzten Geräten und Sensoren, die untereinander und mit zentralen Rechnern Daten austauschen. Häufig darf die Kommunikation zwischen den Sensoren und einem zentralen Rechner eine geringe Latenzzeit, z.B. 10 ms, nicht überschreiten. Während URLLC die Latenzzeit in 5G reduziert, kann die Verbindung zu einem weit entfernten zentralen Rechner erhebliche Latenzzeiten verursachen. Eine Lösung zur Behebung dieses Problems besteht darin, den zentralen Rechner physisch so nah wie möglich an das 5G-Endgerät zu bringen. Dies ist das Hauptkonzept von Edge Computing in 5G. Da ein mobiler Roboter als ein oder mehrere „Dinge“ im IoT eingestuft werden kann, besitzt er ähnliche Anforderungen. Wenn ein Roboter sich zum Beispiel in einer bekannten oder unbekannten Umgebung lokalisiert, stützt er sich auf Light Detection and Ranging (LIDAR) Scans, um die Welt zu erfassen. Dieses Verfahren wird als Simultaneous Localization and Mapping (SLAM) bezeichnet. Es ist von entscheidender Bedeutung, dass die Messungen des LIDAR-Sensors mit geringer Latenzzeit verarbeitet werden, da Verzögerungen die Genauigkeit der Lokalisierung beeinträchtigen können. SLAM ist jedoch auch sehr rechenintensiv, weshalb die Auslagerung dessen sehr vorteilhaft und manchmal auch notwendig ist, da Roboter oft an Hardwaregrenzen stoßen. Die zugrundeliegende Hypothese dieser Arbeit ist, dass es möglich ist, einen SLAM-Algorithmus an den Rand eines 5G-Netzwerks zu verlagern, ohne die Funktionalität und Qualität der Lokalisierung zu beeinträchtigen. Um dies zu erreichen, werden bestehende Ansätze von Edge Computing in 5G analysiert und verglichen. Darüber hinaus wird die quelloffene 5G Implementierung OpenAirInterface angepasst, um den bis dahin nicht berücksichtigen Anwendungsfall des Edge Computings zu unterstützen. Schließlich wird ein Experiment durchgeführt, das die Genauigkeit und Funktionalität des SLAM-Algorithmus in drei verschiedenen Einsatzgebieten vergleicht: Lokal, WiFi und 5G Edge. Die Ergebnisse dieser Arbeit zeigen, dass eine Berechnung von SLAM am 5G-Edge möglich ist, wobei die Genauigkeit und Funktionalität der Lokalisierung und der erstellten Karte im Vergleich zur WiFi-Option etwas geringer sind. Obwohl vieles noch optimiert werden kann, legt diese Arbeit den Grundstein für 5G-fähige mobile Robotik, vollständig mit Open-Source-Software betrieben.

The novel mobile telecommunications standard 5G offers many improvements compared to its predecessor 4G. While from an end consumer perspective, the increase in bandwidth and download speed are the most crucial, the 5G use case Ultra-Reliable Low Latency Communications (URLLC) is the most important for the Internet of Things (IoT). The IoT consists of connected devices and sensors that exchange data with each other and central nodes. Often, the communication between the sensors and a central node must not exceed a low latency, e.g., 10ms. While URLLC reduces the latency in 5G, the link to a distant central node may introduce substantial latencies. A solution to solve this issue is to physically move the central node as close as possible to the connected 5G device. This is the main concept behind edge computing in 5G. As a mobile robot can be classified as one or more "things" in the IoT, it has similar requirements. For example, when a robot is localizing itself in a known or unknown environment, it relies on Light Detection and Ranging (LIDAR) scans to map the world. This procedure is called Simultaneous Localization and Mapping (SLAM). It is crucial that the measurements from the LIDAR sensor are processed with low latency, as delays can compromise the accuracy of the localization. However, Simultaneous Localization and Mapping (SLAM) is also computationally expensive. Therefore, it is highly desired and sometimes required to offload this computation to another computer, as robots are often hardware-constrained.The underlying hypothesis of this work is that it is possible to offload a SLAM algorithm to the edge of a 5G network without compromising functionality and quality of the localization. To achieve this, existing approaches to edge computing in 5G are analyzed and compared. Further, the open source 5G implementation OpenAirInterface is adapted to support the edge computing use case, which has not been considered in its initial design. Finally, an experiment is conducted which compares the accuracy and functionality of the SLAM algorithm in three different deployments: Local, WiFi and 5G edge. The results of this thesis show that offloading SLAM to the 5G edge is possible, whereas the accuracy and functionality of the localization and the produced map are slightly lower compared to the WiFi deployment. While much can still be optimized, this work lays the foundation for 5G-enabled mobile robotics, fully operated with open source software.