Design and Implementation of a 5G-Connected Edge-Cloud Platform for Autonomous Mobile Robots Route Planning
Translated title
Design og implementering af en 5G-tilsluttet Edge-Cloud-platform til autonome mobile robotter ruteplanlægning
Author
Raunholt, Taus Mortensen
Term
4. Semester
Education
Publication year
2021
Abstract
This thesis investigates whether route planning for autonomous mobile robots (AMRs) can be offloaded from each robot to a centralized edge-cloud planner over 5G without degrading efficiency. The work addresses four questions: what data flows between robot and planner, how 5G latency affects performance, whether communication can be optimized, and what practical issues arise on a real 5G network. The planner was separated from a MiR 200 robot, traffic patterns were measured, and a delay box emulated 5G round-trip times during navigation and docking tests in an environment with dynamic obstacles. Traffic analysis showed a high share of TCP acknowledgements (about 43–45%), and batching of small packets reduced packets per second by 7% while meeting timing constraints. Under emulated latency representative of current 5G and assuming enhanced scheduling with URLLC support, only very small increases in execution time were observed (0.154‰ and 0.108‰), and a docking test showed a standard deviation of 11.48 mm at the highest RTT, indicating negligible impact on operations. However, tests on a private 5G network with a local core revealed operational gaps, where individual TCP streams timed out and led to suboptimal robot behavior. Overall, the results suggest that a 5G-based edge-cloud planner is feasible with minor connection adjustments and further debugging.
Dette speciale undersøger, om ruteplanlægningen for autonome mobile robotter (AMR) kan flyttes fra den enkelte robot til en centraliseret edge-cloud-planlægger via 5G uden at forringe effektiviteten. Arbejdet adresserer fire hovedspørgsmål: hvilken trafik udveksles mellem robot og planlægger, hvilken performancepåvirkning medfører 5G-forsinkelser, om dataflowet kan optimeres, og hvilke praktiske udfordringer opstår på et faktisk 5G-net. Planlæggeren blev adskilt fra en MiR 200-robot, trafikmønstre blev målt, og en forsinkelsesboks blev brugt til at emulere 5G-latenser under navigations- og dokningstests i et miljø med dynamiske forhindringer. Trafikanalysen viste, at en stor andel af pakkerne var TCP-kvitteringer (ca. 43–45%), og småpakke-batching reducerede pakker pr. sekund med 7% under overholdelse af tidskrav. Med emuleret latenstid svarende til nuværende 5G-forbindelser og antaget forbedret planlægning med URLLC-understøttelse blev der kun observeret meget små stigninger i eksekveringstiden (0,154‰ og 0,108‰), og en dokningstest viste en standardafvigelse på 11,48 mm ved højeste rundrejsetid, hvilket indikerer en ubetydelig performancepåvirkning. Test på et privat 5G-netværk med lokal kerne afslørede dog driftsmæssige huller, hvor individuelle TCP-strømme fik timeout og gav suboptimal robotadfærd. Samlet set peger resultaterne på, at en 5G-baseret edge-cloud-planlægger er teknisk gennemførlig med mindre justeringer og yderligere fejlfinding af forbindelsen.
[This apstract has been generated with the help of AI directly from the project full text]