에지 컴퓨팅에서 강인한 자율성을 위한 지능형 감지-행동: 기회와 도전과제

Intelligent Sensing-to-Action for Robust Autonomy at the Edge: Opportunities and Challenges

February 4, 2025

저자: Amit Ranjan Trivedi, Sina Tayebati, Hemant Kumawat, Nastaran Darabi, Divake Kumar, Adarsh Kumar Kosta, Yeshwanth Venkatesha, Dinithi Jayasuriya, Nethmi Jayasinghe, Priyadarshini Panda, Saibal Mukhopadhyay, Kaushik Roy

cs.AI

초록

로봇학, 스마트 시티, 그리고 자율 주행 차량에서의 자율 주변 컴퓨팅은 동적 환경에서의 실시간 의사 결정을 위해 감지, 처리, 그리고 실행의 원활한 통합에 의존합니다. 핵심은 감지부터 행동까지의 루프로, 이는 센서 입력을 계산 모델과 반복적으로 일치시켜 적응 제어 전략을 주도합니다. 이러한 루프는 초지역 조건에 적응하여 자원 효율성과 반응성을 향상시킬 수 있지만, 자원 제약, 다중 모달 데이터 융합에서의 동기화 지연, 그리고 피드백 루프에서의 연쇄 오류 위험과 같은 도전에 직면합니다. 본 논문은 선행적이고 맥락에 민감한 감지부터 행동 및 행동부터 감지로의 적응이 작업 요구에 기반하여 감지와 계산을 동적으로 조정함으로써 효율성을 향상시킬 수 있는 방법을 탐구합니다. 제어 조치를 통해 감지를 이끌어내는 것으로, 행동부터 감지로의 경로는 작업 관련성과 자원 사용을 향상시킬 수 있지만, 연쇄 오류를 방지하고 신뢰성을 유지하기 위해 견고한 모니터링이 필요합니다. 다중 에이전트 감지-행동 루프는 분산된 에이전트 간의 조정된 감지와 행동을 통해 자원 사용을 최적화하여 협력을 통해 확장된 기능을 제공합니다. 또한 생물학적 시스템에서 영감을 받은 신경형 컴퓨팅은 에너지를 절약하고 지연 시간을 줄이며 계층적 제어를 지원하는 스파이크 기반 이벤트 주도 처리에 효율적인 프레임워크를 제공하여 다중 에이전트 최적화에 이상적입니다. 본 논문은 알고리즘 모델을 하드웨어 및 환경 역학과 조화시키고 에너지 효율적인 주변 자율성을 위해 처리량, 정밀도, 적응성을 향상시키기 위해 교차 계층 상호의존성을 개선하는 종단간 공동 설계 전략의 중요성을 강조합니다.

English

Autonomous edge computing in robotics, smart cities, and autonomous vehicles relies on the seamless integration of sensing, processing, and actuation for real-time decision-making in dynamic environments. At its core is the sensing-to-action loop, which iteratively aligns sensor inputs with computational models to drive adaptive control strategies. These loops can adapt to hyper-local conditions, enhancing resource efficiency and responsiveness, but also face challenges such as resource constraints, synchronization delays in multi-modal data fusion, and the risk of cascading errors in feedback loops. This article explores how proactive, context-aware sensing-to-action and action-to-sensing adaptations can enhance efficiency by dynamically adjusting sensing and computation based on task demands, such as sensing a very limited part of the environment and predicting the rest. By guiding sensing through control actions, action-to-sensing pathways can improve task relevance and resource use, but they also require robust monitoring to prevent cascading errors and maintain reliability. Multi-agent sensing-action loops further extend these capabilities through coordinated sensing and actions across distributed agents, optimizing resource use via collaboration. Additionally, neuromorphic computing, inspired by biological systems, provides an efficient framework for spike-based, event-driven processing that conserves energy, reduces latency, and supports hierarchical control--making it ideal for multi-agent optimization. This article highlights the importance of end-to-end co-design strategies that align algorithmic models with hardware and environmental dynamics and improve cross-layer interdependencies to improve throughput, precision, and adaptability for energy-efficient edge autonomy in complex environments.