エッジ コンピューティング、クラウド コンピューティング、フォグ コンピューティングは自動運転に何をもたらすのでしょうか?

エッジコンピューティング、フォグコンピューティング、クラウドコンピューティングは自動運転の分野でどのような役割を果たすのでしょうか?どのタスクがエッジ コンピューティングに割り当てられ、どのタスクがクラウドに割り当てられるのでしょうか?

これまでの記事で、5Gネットワ​​ーク技術が自動運転にもたらす大きな変化について何度も触れてきました。 5G ネットワークは、20Gbps の速度、わずか 1 ミリ秒の遅延、1 平方キロメートルあたり 100 万の接続、最大 99.999% のネットワーク安定性を実現できます。次世代セルラー無線通信ネットワークは、個々の車両の情報フローの共有、無人隊列形成、遠隔運転の3つの側面からインテリジェント運転の急速な発展を促進します。 5G ネットワークは、低遅延で安定性の高い IoT アーキテクチャをスマート ドライビングにもたらします。コアクラウドとエッジクラウドは、サーバーの高性能コンピューティングを通じて、コネクテッドカーにリアルタイムの交通状況、道路情報、歩行者情報などの一連の交通情報を提供し、インテリジェントドライビングが「5Gネットワ​​ークにアクセスして世界を知る」時代に入ることを可能にします。

[[227476]]

しかし、完全に同意しない友人もいます。 @goly は次のように述べました。「デバイスからクラウドに処理を転送するのは、単純に非現実的です。1. ネットワークの範囲はどの程度ですか? 2. ネットワークは 120 マイルの高速道路を処理できますか? トンネルはどのように処理しますか? 3. リアルタイム要件は何ですか? クラウドは、膨大なデータ、クラスター、劣悪なネットワーク条件を処理します。データがクラウドからデバイスに転送されると、失敗します。」

もう一人の友人@Mr.highも独自の見解を述べています。「クラウド+エッジコンピューティングが解決策になるかもしれません。車両側の高性能処理装置（オンボードコンピューター？）の処理能力、ネットワーク負荷容量、高速走行条件下でのフォールトトレランスを強化します。現在のオンボードTBOXはもはやニーズを満たすことができません。5G時代の到来は、オンボード高性能コンピューターの爆発的な成長を引き起こす可能性があります。CPUとGPUは、その潜在能力を発揮し始めようとしています。一方、デスクトップPC市場はさらに縮小し、よりスマートなモバイル端末とオンボード高性能コンピューターの組み合わせが徐々に向上する可能性があります。」

エッジコンピューティング、フォグコンピューティング、クラウドコンピューティングは自動運転においてどのような役割を果たすのでしょうか?

エッジ コンピューティングは、モノのインターネット (IoT) 時代の到来とともに重要性が高まっている比較的新しい用語です。

エッジ コンピューティングとは、ネットワーク、コンピューティング、ストレージ、およびアプリケーションのコア機能を統合し、オブジェクトまたはデータのソースに近い最も近いサービスを提供するオープン プラットフォームの使用を指します。このコンセプトは、クラウドでの処理やアルゴリズムによる意思決定とは異なり、インテリジェンスとコンピューティングを実際のアクションに近づけるものです。これにより、分析を直接行うことができます。

クラウドと比較して、エッジコンピューティングには次の 7 つの利点があります。

1. 遅延:ミリ秒遅延
2. 高スループット：ローカル生成、近接場伝送
3. データの簡素化:上流への依存を減らすために最後に自律分析を実行します。
4. コンテキスト認識:計算のためのユーザー情報と位置情報のリアルタイム取得
5. セキュリティ: UEおよびCPE攻撃からの保護
6. 分離:接続が失われても動作を継続
7. コンプライアンス:ユーザーのプライバシーポリシーの遵守に役立ちます

さまざまな自動化されたポンプやタービンを稼働している工場があると想像してください。デバイスがクラウドに接続され、それらのデバイスから出力されるすべてのデータがクラウドに送信される場合は、クラウドが実際にそれらのデバイスを制御するようにしたくなるでしょう。ポンプをシャットダウンする時間になると、クラウドからネットワーク経由でポンプにコマンドが送信され、ポンプにシャットダウンが指示されます。ポンプにトラブルが発生すると、ネットワーク経由で情報が送信され、クラウドに送信されます。これはデバイスを集中的に管理する方法になります。

ポンプに問題が発生し始めたとします。ネットワーク経由で通信するのに少し時間がかかり、次にネットワークがメッセージをクラウドに渡すのに時間がかかり、その後クラウド アプリケーションが情報を処理してコマンドを発行するのに時間がかかり、その後ネットワークを経由して最終的にポンプに到達します。おそらく、その時点でポンプが完全に故障していたためでしょう。ポンプ – クラウド – ポンプのステップの遅延が長すぎると、クラウドがポンプを節約する機会を逃してしまう可能性があります。

これは自動運転車にも使えます。自動運転車には、カメラ、LIDAR またはレーダー、ソナー装置など、多くの感知装置が搭載されています。多くの自動運転車メーカーは、センサーからのデータが、自動車メーカーが自動運転車用に構築したクラウドに流れ込むことを想定している。これにより、自動車メーカーは膨大な量の運転データを収集し、機械学習を使用して自動運転車の動作を改善できるようになります。

問題は、どの程度の処理を行うべきかということです。

どのような場合、クラウドではなく、自動運転車とその無数のローカルデバイスで処理を実行する必要がありますか?

実用的な理由から、認識データを分析する速度は自動運転車の動きと、車の周囲に何があるのか​​をタイムリーに示す必要性によって左右されるため、処理の大部分はエッジで実行する必要があることはすでにわかっています。調査によると、自動運転車が1日8時間走行すると、少なくとも40TBのデータが生成されるそうです。大量のデータがネットワーク上で行き来することになります。

強力なネットワーク接続が存在し、転送中も接続が維持されていると仮定すると、ネットワーク経由でデータを送受信するのに少なくとも 150 ～ 200 ミリ秒かかります。これは実際には非常に長い時間です。なぜなら、車は動いており、車の制御について迅速な判断を下す必要があるからです。

したがって、自動運転車はエッジコンピューティングを活用する必要があります。しかし、そのためには、車両と AI が必要なタスクを実行できるように、十分なローカルコンピューティング処理能力とメモリ容量が必要です。自動運転車には今後も大量のプロセッサとメモリを搭載し続けるべきだと主張する人もいるだろう。もちろん、これは素晴らしいアイデアですが、自動運転車のコストがかなり高くなり、機械が故障する可能性が高まり、より多くの電力が必要になり、車の重量も増えるなど、さまざまな問題が発生することを念頭に置いてください。

ローカルとクラウドは相互に排他的な提案ではない

慎重に設計すれば、ローカル処理とクラウド処理を混在させることができます。

たとえば、自動運転車は、認識データをリアルタイムで処理し、それに基づいて運転動作を実行します。同時に、データをクラウドに送信しています。クラウドはデータを処理して長期的なパターンを探し、最終的にデータを分析して自動運転車にいくつかの更新を送信します。この場合、作業を 2 つの部分に分割します。1 つはローカル (エッジ) レベルで生死に関わる高速処理を実行し、もう 1 つはクラウド レベルで、即時性を重視しない概要重視の作業を実行します。

データをクラウドにプッシュして結果を取得する機能は、次の要素に依存します。

• 自動運転車の通信機器
• ネットワークを介した通信に伴う遅延
• ネットワーク帯域幅
• ネットワークの可用性
• ネットワークの信頼性
• 自動運転車内の通信

インターネットの不安定さが、自動運転車のリアルタイム作業をクラウドで処理できない理由です。

自動運転車にはエッジのみと見なされるデバイスがいくつかあり、それらは完全にローカル処理に依存しています。収集したデータはクラウドに送信される可能性がありますが、クラウドから返されるデータに依存することはありません。エッジ共有機能を備えたデバイスは、クラウドと分担して一部のタスクを完全にローカルで完了し、他のタスクをクラウドと共同で実行することができます。

自動運転車のプロセッサ上の画像分析装置は、他の車、バイク、歩行者などを追跡することができます。これはその後、LIDAR、レーダーなどからの知覚分析を統合するセンサーフュージョンに送られます。センサーフュージョンは、周囲の運転シーンの仮想世界モデルに送られます。これらすべてはエッジ（車内）で起こります。

自動運転車の AI はローカル プロセッサ上で実行され、仮想世界のモデルを分析して、どのようなアクションを取るべきかを決定します。次に、AI は車のコントロールに加速またはブレーキを指示して車を操縦します。

これらはすべてエッジで発生すると想定しています。プロセスは次のようになります。

1. エッジでのセンサーデータ収集
2. エッジでのセンサーフュージョン
3. エッジでの仮想世界モデルの更新
4. AIの意思決定計画はエッジで決定される
5. AIがエッジで自動車の制御コマンドを発行
6. 自動運転はエッジで車両制御コマンドを実行する

クラウドを非リアルタイム パートナーとして追加すると、クラウドは何が起こっているかを把握しますが、自動運転車に関連する制御は実行しません。

1. エッジでのセンサーデータ収集

データをクラウドに送信するが、待つ必要はない

2. エッジでのセンサーフュージョン

センサーフュージョンの結果をクラウドに送信するが、待つ必要はない

3. エッジでの仮想世界モデルの更新

仮想世界のモデルをクラウドに送信します。ただし、待つ必要はありません。

4. AIの行動計画はエッジで決定される

AIのアクションプランをクラウドに送信するが、それを待たない

5. AIがエッジで自動車の制御コマンドを発行

AIが発した車の制御コマンドをクラウドに送信するが、クラウドを待たない

6. 自動運転車制御実行コマンド

クラウドから更新を取得し、可能な場合はエッジを更新する

エッジ情報をクラウドに転送します。インターリーブを試みることなく、上記のループの最後にこれを実行することもできます。

これらの手順にクラウド制御を組み込むことにした場合、次のようになります。

• エッジでのセンサーデータ収集
• データをクラウドに送信し、クラウドを待つ
• クラウドでのセンサーフュージョン
• クラウドでの仮想世界モデルの更新
• クラウド上のAIが決定する行動計画
• AIがクラウド経由で車の制御コマンドを発行
• クラウド車両制御コマンドを受信するまで待機します
• 自動運転車が車の制御コマンドを実行する

このエッジ クラウド モデルでは、自動運転車は、ほとんど自力ではほとんど処理できない「愚かな」車です。前述したように、ここでの懸念事項は、必要な作業を実行するために通信が十分に信頼性が高く、一貫性があり、十分に高速であるかどうかです。クラウド自体には地球上で最も高速なコンピューターがいくつかあるかもしれませんが、最終的には、この膨大な処理能力を阻止できるのはネットワーク通信です。

クラウドを使用する価値の 1 つは、自動運転車にすでに搭載されているものよりもはるかに大きな処理能力とメモリ容量をクラウドで利用できることです。たとえば、エッジで行うのが最も効果的な画像分析の場合、エッジ プロセッサ上に置かれた少数の小規模なニューラル ネットワークよりも、自動運転車の画像が何千枚も存在するクラウドでの大規模な学習の方が、画像分析に適している可能性があります。

したがって、適切に設計された自律走行車は、エッジで必要な自律性を備え、適切な場合にクラウドを活用することができます。たとえば、車が駐車中または使用されていないときに、自動運転車の AI がクラウドから更新情報を取得できるようにする場合があります。クラウドからの大規模なニューラル ネットワーク学習を活用して、ローカル エッジでニューラル ネットワークを強化することも可能になります。

フォグコンピューティングも必要だと考える人もいる

フォグ コンピューティングは、エッジ コンピューティングとクラウド コンピューティングの中間に位置します。一種の仲介コンピューティングのように、エッジとクラウドの間の仲介役として機能します。これは、道路上にコンピュータ サーバーが設置され、クラウド自体よりも高速道路を疾走する自動運転車とより迅速かつ確実に通信できるシステムになることを意味するかもしれません。したがって、実際のクラウドで発生するような遅延や問題が発生することなく、クラウドのような機能を実現できると考えられます。これには大量のインフラストラクチャの追加が必要であり、多くの場合、初期のセットアップと維持にコストがかかります。

多くのフォグ コンピューティング アプリケーションでは、エンドポイント デバイスからのセンサー データ、または単純なサーバーのようなコンピューター (「ゲートウェイ」と呼ばれることもあります) に直接接続されたセンサー データがゲートウェイによって処理され、何らかのアクションがトリガーされたり、何らかのタスクが実行されたりします。その後、データはチェーン内のより強力なサーバーに送信されます。これらのサーバーは通常、クラウド内でより高度なデータ分析を実行します。

最先端のエッジ コンピューティング デバイスの代表的な例は、コネクテッド自動運転車 (または半自動運転車) です。自動運転車は、膨大な量のセンサーデータと重要なローカル処理能力、そしてクラウド内のより高度なデータ分析ツールに接続する必要性により、最先端のエッジコンピューティングの代表的な例となっています。

すべてのコンピューティングがローカルで行われていたシンプルな時代や、すべてのタスクがリモート データ センターで完了していた純粋なクラウドの世界が懐かしくなる一方で、今日の高度なアプリケーションには、より複雑なハイブリッド設計が必要になる場合があります。クラウドベースのインフラストラクチャとクラウドベースのソフトウェア ツールの構築は、コンピューティングの進化の重要な部分です。明らかに、これから起こる最も興味深くエキサイティングな進歩は、最先端のコンピューティングを限界まで押し上げるものとなるでしょう。