基于 L4S 的 5G 边缘辅助机器人实时点云数据传输

本文提出了一种 novel 框架，用于实时 Light Detection and Ranging (LiDAR) 数据传输，利用 rate-adaptive 技术和点云编码方法确保低延迟和低丢包的数据流。所提出的框架旨在用于，但不限于需要通过互联网进行实时数据传输以进行卸载处理的机器人应用。具体而言，将 Low Latency, Low Loss, Scalable Throughput L4S-enabled SCReAM v2 传输框架扩展以集成 Draco 几何压缩算法，实现根据感知信道容量和网络负载动态压缩高比特率 3D LiDAR 数据的能力。该低延迟 3D LiDAR 流式传输系统旨在保持最小的端到端延迟，同时将编码 error 限制在满足机器人应用准确度要求的范围内。我们通过在跨越多公里城市环境的公共 5G 网络上进行 real-world 实验来演示了所提方法的有效性。保持低延迟和低丢包要求的同时，使用 real-time 卸载和 3D SLAM 算法的 evaluation 用于验证该框架在实际应用场景中的性能。