통신은 사이버-물리 에이전트의 핵심 요소입니다. 개별 에이전트는 관측 정보의 일부만 보유하거나 서로 보완적인 기능을 갖는 경우가 많으므로, 다양한 사이버-물리 작업을 수행하려면 정보를 교환해야 합니다. 원시 센서 관측값을 전송하면 통신 오버헤드가 크게 발생하고, 자연어 통신은 송신 측의 텍스트 생성과 수신 측의 해석에 따른 연산 오버헤드를 추가합니다. 이러한 한계로 인해 기존 통신 방식은 실시간 다중 에이전트 시스템에서 비효율적입니다.
문제 설정
기존 연구의 일반적인 설정을 따라, 각자 관측값을 로컬에서 인코딩하고 통신 링크를 통해 잠재 표현을 교환하는 사이버-물리 에이전트를 고려합니다. 관측값에 대해 로컬 인코더가 잠재 표현을 생성합니다.
인코딩된 잠재 표현의 방정식은 제공된 텍스트에 포함되어 있지 않습니다.
각 잠재 토큰은 고정된 차원을 가지며, 잠재 표현은 토큰 길이를 가집니다. 인코더는 이미지, 오디오 또는 텍스트 입력 등 모달리티에 따라 다를 수 있습니다. 각 에이전트 내에는 여러 하위 작업이 함께 존재할 수 있으며, 각 작업은 동일한 통신 링크를 공유하는 잠재 메시지를 생성할 수 있습니다.
의미 변화 평가
물리적 관측값은 연속적으로 변하는 경우가 많아, 연속된 관측값 사이에 상당한 중복성이 생깁니다. 이 단계에서는 이러한 의미적 중복성을 측정하고 전송할 비중복 정보를 식별합니다. 두 잠재 메시지를 토큰별로 직접 비교하면 객체나 시점의 움직임으로 인해 대응하는 관측값이 정렬되지 않을 수 있어 신뢰하기 어렵습니다. 따라서 SCALE은 의미 변화를 정량화하기 전에 현재 잠재 메시지와 수신 측에서 확인된 잠재 상태 사이의 토큰 수준 대응 관계를 먼저 설정합니다.
현재 토큰마다 SCALE은 수신 측에서 확인된 잠재 상태에서 가장 유사한 토큰을 먼저 찾습니다.
토큰 매칭 방정식은 제공된 텍스트에 포함되어 있지 않습니다.
그런 다음 대응하는 최대 코사인 유사도를 사용해 현재 토큰의 의미 변화를 정량화합니다.
의미 변화 방정식은 제공된 텍스트에 포함되어 있지 않습니다.
유사도가 높은 토큰은 변화 점수가 낮고, 유사도가 낮은 토큰은 점수가 높습니다. 유사도 임계값에 따라 매칭된 수신 측 토큰을 재사용할 수 있는지 결정하며, 해당 임계값을 충족하는 경우에만 재사용할 수 있습니다. 매칭은 수신 측에서 이용 가능하다고 확인된 정보만 재사용하도록 수신 측의 확인된 상태를 기준으로 수행합니다.
효용–비용 분석
의미 변화 점수는 각 잠재 토큰이 전달하는 새로운 정보의 양을 나타냅니다. 이 단계에서는 메시지에 전송되는 잠재 토큰의 수를 의미하는 전송 크기에 따라 의미적 이득과 통신 비용 간의 절충 관계를 추가로 분석합니다.
의미 변화 점수가 큰 토큰부터 내림차순으로 정렬해 우선순위를 정합니다. 그런 다음 누적 의미적 이득과 통신 비용을 정의합니다.
누적 의미적 이득과 통신 비용을 정의하는 방정식은 제공된 텍스트에 포함되어 있지 않습니다.
벤치마크 성능
CooperScene에서 두 가지 작업을 평가할 때 작업별 성능 지표를 사용합니다. 3D 객체 탐지의 경우 보고되는 지표는 평균 정밀도(AP)와 메시지 기한 내 전송률입니다. AP는 예측 박스와 정답 박스를 매칭할 때 0.5의 교집합 대비 합집합 비율 임계값을 사용해 계산합니다.
궤적 예측의 경우 보고되는 지표는 작업 성공률과 메시지 기한 내 전송률입니다. 작업 성공률은 예측 대상 중 여섯 개의 예측 궤적 가운데 하나 이상이 정답 위치로부터 2 m 이내에 있는 비율입니다.
한계
SCALE은 대역폭 효율을 높이고 사이버-물리 시스템 에이전트의 실시간 스케줄링을 지원하지만, 두 가지 한계가 있습니다.
첫째, 통신량 절감 효과는 잠재 표현의 시공간적 중복성에 좌우됩니다. 실제 물리 환경의 관측값은 급격히 변할 수 있으며, 이로 인해 재사용 가능한 정보가 줄고 작업 성능을 유지하는 데 필요한 통신량이 늘어날 수 있습니다.
둘째, 스케줄링 알고리즘은 현재 링크 전송률을 사용해 기한 내 처리 가능성을 평가합니다. 최소 스케줄링 간격보다 짧은 시간 규모에서 발생하는 예상치 못한 대역폭 감소에는 대응할 수 없으므로, 스케줄러가 적응하기 전에 메시지 적시성에 영향을 줄 수 있습니다.
자주 묻는 질문
SCALE은 통신 오버헤드를 어떻게 줄이나요? 의미 변화에 따라 잠재 토큰의 우선순위를 정하고, 유사도 임계값을 충족하면 수신 측에서 확인된 상태의 매칭 정보를 재사용합니다.
SCALE은 왜 수신 측에서 확인된 상태를 기준으로 토큰을 매칭하나요? 확인된 상태를 통해 수신 측에서 이용 가능한 정보가 무엇인지 알 수 있으므로, 확인된 정보만 재사용할 수 있습니다.
CooperScene의 객체 탐지 작업에는 어떤 지표를 사용하나요? 평가에서는 평균 정밀도와 메시지 기한 내 전송률을 보고합니다. 평균 정밀도는 예측 박스와 정답을 매칭할 때 IoU 임계값 0.5를 사용합니다.
SCALE의 메시지 적시성을 저해할 수 있는 요인은 무엇인가요? 최소 스케줄링 간격보다 빠르게 발생하는 예상치 못한 대역폭 감소는 스케줄러가 적응하기 전에 메시지 적시성에 영향을 줄 수 있습니다.