FogROS2-PLR: 基于概率的云机器人延迟可靠性

云机器人通过将计算密集型任务卸载到云端服务器来实现性能、成本和管理便利性。然而，由于服务质量(QoS)波动，网络和云计算基础设施并未设计出可靠的时序保证。本文提出了关于延迟可靠性、单一服务器和商品化硬件的不可实现三角形定理。LSC定理表明，使用具有不相关故障的多个副本服务器可指数降低错过截止时间的概率。我们提出FogROS2-概率性延迟可靠性(PLR)，通过多个独立网络接口将请求发送到副本云服务器，并采用最先返回的响应。我们设计路由机制在机器人上发现、连接并通过非默认网络接口进行路由。FogROS2-PLR优化了接口到服务器的选择，以最小化错过截止时间的概率。我们使用两个5G服务提供商进行云连接驾驶实验，证明FogROS2-PLR即使在某个服务提供商覆盖范围低和基站切换时，仍能有效提供平滑的服务质量。我们使用99百分位(P99)延迟评估异常长尾延迟行为。在一个实验中，FogROS2-PLR相比仅使用一个服务提供商将P99延迟提高了最高3.7倍。我们在实体Stretch 3机器人上部署FogROS2-PLR，执行室内人体跟踪任务。即使在完全覆盖Wi-Fi和5G的环境中，FogROS2-PLR也通过降低平均延迟36%和P99延迟33%来提高机器人的响应性。