ExPECA: экспериментальная платформа для надежных: поддерживаемых экспериментов
27 февраля 2024 г.:::информация Этот документ доступен на arxiv под лицензией CC 4.0.
Авторы:
(1) Сами Мостафави, ssmos, Королевский технологический институт KTH;
(2) Вишну Нараянан Мутедат, vnmo, Королевский технологический институт KTH;
(3) Стефан Роннгрен, стерон, Королевский технологический институт KTH;
(4) Нилабро Рой, §нрой, Королевский технологический институт KTH;
(5) Гурав Пратик Шарма, gpsharma, Королевский технологический институт KTH;
(6) Санвон Со, санвона, Королевский технологический институт KTH;
(7) Мануэль Ольгин Муньос, manual@olguinmunoz.xyz, Королевский технологический институт KTH;
(8) Джеймс Гросс, Джеймс Гросс, Королевский технологический институт KTH.
:::
Таблица ссылок
- Абстрактное и amp; Введение
- Проектирование и архитектура испытательного стенда
- Экспериментальная проверка
- Поддерживаемые эксперименты
- Благодарности и amp; Ссылки
IV. ПОДДЕРЖИВАЕМЫЕ ЭКСПЕРИМЕНТЫ
В этом разделе подробно рассматриваются функции испытательного стенда, которые пользователи могут настроить в соответствии со своими уникальными экспериментальными целями. Эти функции можно разделить на два типа: (1) конфигурации, связанные с рабочей нагрузкой, и (2) конфигурации, связанные с сетью.
Что касается конфигураций, связанных с рабочей нагрузкой, ExPECA предлагает исследователям ряд опций для адаптации к их экспериментам. Пользователи могут выбирать различные географические местоположения для вычислительных нагрузок, используя облачный интерфейс и резервируя общедоступные IP-адреса. Можно интегрировать графические процессоры для задач, требующих ускоренной обработки, или выбрать процессор с определенным количеством ядер и выделить определенный объем оперативной памяти для оценки производительности рабочих нагрузок. Платформа поддерживает эксперименты с участием как статических (с фиксированным местоположением), так и мобильных (с переменным местоположением, например дронов с адаптером беспроводной связи) оконечных беспроводных узлов.
Для сетевых конфигураций ExPECA предоставляет широкий спектр типов сетей, таких как SDR 5G, SDR LTE, SDR WiFi и COTS 5G и другие. Исследователи также могут настраивать топологии сети и контролировать уровни помех благодаря изолированному расположению испытательного стенда. Платформа поддерживает широкий спектр беспроводных протоколов, совместимых с USRP e320, и позволяет пользователям настраивать условия канала. Кроме того, использование программно-определяемых радиостанций (SDR) обеспечивает дополнительную гибкость, включая контроль над мощностью передачи и возможность реализации различных беспроводных протоколов.
ExPECA предлагает возможность изучить различные сценарии экспериментов, включающие периферийные вычисления, беспроводную связь и исследования в области машинного обучения. Здесь мы объясняем различные сценарии, каждый из которых проливает свет на некоторые интересные аспекты беспроводной связи и/или периферийных вычислений, предлагая уникальное понимание динамической среды периферийных вычислений. На рисунке 6 мы приводим иллюстрацию, которая помогает читателю визуализировать эти сценарии.
Ниже мы приводим несколько таких случаев использования в различных областях исследований. Некоторые из них направлены на прямые измерения для моделирования и прогнозирования на основе данных, другие нацелены на первоначальные наблюдения для предстоящей теоретической работы или проверки и обоснования существующих теоретических моделей.
А. Оптимизация приложений с обратной связью
Учитывая растущий интерес и возможности применения киберфизических систем, крайне важно изучить сетевые системы управления (NCS) [8]. NCS образуют важнейшие системы управления, в которых контуры управления замыкаются через сеть связи. Из-за критического с точки зрения безопасности характера приложений, которые охватывают эти NCS, таких как роботы, БПЛА и т. д., существует необходимость оценить и понять узкие места/границы, связанные с этими приложениями [9]. А именно, очень важно понять границы задержки и надежности роботизированного управления, прежде чем их можно будет использовать в реальных сценариях, где их потенциальный сбой может оказаться дорогостоящим [10].
Другой такой системой обратной связи, где задержка имеет важное значение, являются приложения с участием человека, такие как дополненная реальность, носимые когнитивные помощники (WCA) [9], [11] и безопасность окружающей среды. В контексте критичности у нас есть системы автоматического обнаружения неисправностей, и в этом случае акустические [12] или визуальные данные с усилением движения [13], [14] обрабатываются для анализа вибрации, чтобы потенциально инициировать некоторые процедуры обслуживания, безопасности или аварийные ситуации [ 12]. Тестовый стенд ExPECA предоставляет разработчикам возможность экспериментировать с рабочими нагрузками, соответствующими этим типам приложений, в контейнерном режиме с различными реальными сетевыми архитектурами. Эти эксперименты могут проводиться либо для сбора данных, либо для проверки существующих теоретических моделей.
Б. Беспроводная сеть, зависящая от времени
Для поддержки вышеупомянутых приложений CPS и HITL требуется, чтобы сеть обеспечивала определенный уровень сквозной задержки сети, часто в сочетании с чрезвычайно высокой надежностью, для правильной и безопасной работы. Это стимулировало различные усилия по интеграции технологий беспроводных сетей (например, 5G URLLC) с проводными технологиями (например, TSN), как показано на рисунке 7. Однако эффективная реализация интеграции проводных беспроводных сетей для поддержки критичных ко времени приложений требует точной характеристики системы. В частности, характеристика задержки беспроводных сегментов имеет решающее значение, поскольку они подвержены различным стохастическим и временным воздействиям, в отличие от проводных соединений, где задержки невосприимчивы к внешним воздействиям. Кроме того, предполагается, что точные прогнозы задержки беспроводной связи будут использоваться в сетях 6G для поддержки детерминированной связи [15].
В последнее время было предложено несколько методов прогнозирования задержки на основе данных [16], [17]. Обучение и проверка этих подходов требуют огромного количества наборов данных, включающих измерения задержки наряду с параметрами сети (например, SINR и MCS). Точная синхронизация времени всех узлов испытательного стенда обеспечивает возможность сбора точных измерений задержки между любыми двумя узлами испытательного стенда. В этих экспериментах могут использоваться различные технологии беспроводной связи, включая COTS 5G, программно-определяемый 5G и IEEE 802.11g Wi-Fi, интегрированный в ExPECA. Кроме того, контейнеризованный рабочий процесс в ExPECA позволяет пользователям проводить автоматические, воспроизводимые и повторяющиеся эксперименты по измерению задержки.
С. Иерархическое обучение и вывод
Другой набор экспериментов, для которых исследователи могут использовать испытательный стенд ExPECA, — это проверка теоретических результатов, соответствующих иерархическому обучению (HI) [18], [19]. В этих работах авторы развивают идею иерархического вывода, когда периферийное устройство с ограниченными вычислениями решает выполнить локальный вывод или классификацию образца изображения или разгрузку по беспроводному каналу, чтобы получить помощь мощного периферийного сервера для классификации. Предполагается, что модель машинного обучения небольшого размера с ограниченной точностью развернута на периферийном устройстве, и ее разгрузка на сервер требует затрат. По сути, эти политики направлены на принятие разумных решений относительно разгрузки задач, определения приоритетов сложных задач или задач, где точность имеет первостепенное значение. И наоборот, они обрабатывают более простые задачи или задачи, где сокращение задержки имеет первостепенное значение на местном уровне. Следует отметить, что в данной конкретной работе по иерархическому выводу это решение принимается онлайн. Используя испытательный стенд ExPECA, исследователи могут планировать реализацию различных предложенных алгоритмов и проверять, соответствуют ли реальные результаты симуляциям и моделям.
Д. Проверка федеративного обучения
Федеративное обучение (FL) становится одним из ключевых подходов к обучению моделей машинного обучения [20]. FL направлен на улучшение по сравнению с централизованным обучением с точки зрения конфиденциальности, общего времени обучения, накладных расходов на вычисления и т. д. Однако FL может вызвать большие накладные расходы на связь, поскольку модель машинного обучения должна неоднократно обмениваться между центральным сервером и участвующими узлами во время процесса обучения. . Чтобы проанализировать и оптимизировать издержки связи, во многих работах были предложены модели систем FL, работающих в беспроводных средах [21], [22]. Проверка этих теоретических моделей в реальных системах необходима для выявления недоступных в противном случае идей. Испытательный стенд ExPECA поддерживает эксперименты, включающие как централизованное обучение (CL), так и федеративное обучение, чтобы оценить их с точки зрения затрат на связь/вычисления и точности в различных условиях беспроводной связи. Например, в случае накладных расходов на связь CL и FL будут потреблять ресурсы связи при обмене данными (т. е. использовать восходящий канал для отправки входных данных в CL и восходящий/нисходящий канал для отправки модели машинного обучения в FL). Испытательный стенд ExPECA способен измерять использование ресурсов связи и время обучения (время связи/вычислений), а также фиксировать параметры беспроводной связи в это время. Благодаря улучшенной воспроизводимости и повторяемости испытательный стенд ExPECA обеспечивает стабильную проверку архитектур машинного обучения.
Оригинал