エッジコンピューティング/SLAM2026/8/10arXiv:2608.09620v1

5G対応エッジSLAMにおけるフィデューシャルマーカー処理のためのセマンティック通信アプローチ

A Semantic Communication Approach to Fiducial Marker Processing in 5G-Enabled Edge SLAM

ロボットとエッジサーバー間でCNNを分割し、中間特徴をセマンティック情報として送信するフィデューシャルマーカー処理フレームワークを提案。実5Gテストベッドで通信と計算のトレードオフを評価した。

詳しい要約

1. どんなもの？

本論文は、5G対応Edge SLAMにおけるfiducial marker処理のためのsemantic split inferenceフレームワークを提案する。DeepTag-inspired CNNをロボットとエッジサーバー間で分割し、中間特徴表現をタスク指向のsemantic情報として無線リンクで伝送する。ROS2ベースのロボットアーキテクチャに統合し、実5Gテストベッドで評価する。

2. 先行研究と比べてどこがすごい？

従来のfiducial marker検出パイプラインはタスク分割の効率が悪く、通信を考慮したエッジ展開に適さない。本手法は、semantic split inferenceを導入することで、通信と計算のトレードオフを最適化し、5G環境でのリアルタイム運用を可能にする点が新しい。

3. 技術・手法の肝は？

手法の肝は、DeepTag-inspired CNNをロボットとエッジサーバーに分割し、中間層の特徴表現をsemantic情報として伝送すること。分割点を変えることで通信量と計算負荷のバランスを調整できる。ROS2ベースのアーキテクチャに統合し、実5Gテストベッドで評価する。

4. どうやって有効だと検証した？

実5G通信テストベッド上で、ROS2ベースのロボットアーキテクチャに統合し、keypoint推定の精度、下流のpose推定への影響、異なる分割点における通信・計算トレードオフを定量評価した。

5. 議論はある？

要旨からは、分割点の選択が通信と計算のトレードオフに影響するが、最適な分割点の決定方法や、他のタスクへの適用可能性については不明。また、実環境での遅延や信頼性の影響についての詳細な議論は要旨からは不明。

6. 次に読むべき論文は？

要旨で参照されているDeepTagや、関連するsemantic communication、edge SLAM、fiducial marker detectionの研究が挙げられる。具体的には、DeepTagの元論文や、5G-enabled edge computing for roboticsに関する研究が関連する。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Boris Radovanovic, Vukan Ninkovic, Katarina Vidojevic, Buda Bajic Papuga, Dejan Vukobratovic

分類: cs.NI, cs.RO

原文アブストラクト

Autonomous robots increasingly rely on edge computing to offload computationally intensive perception tasks while maintaining real-time operation over 5G networks. However, conventional fiducial marker detection pipelines provide limited opportunities for efficient task partitioning, making them poorly suited for communication-aware edge deployment. This paper proposes a semantic split inference framework for fiducial marker processing in 5G-enabled Edge SLAM. A DeepTag-inspired convolutional neural network is partitioned between the robot and the edge server, where intermediate feature representations serve as task-oriented semantic information transmitted over the wireless link. The framework is integrated into a ROS2-based robotic architecture and characterized over a real 5G communication testbed. Experimental results demonstrate accurate keypoint estimation, illustrate the impact on downstream pose estimation, and quantify the communication--computation trade-offs associated with different split points, providing practical insights for communication-aware deployment of deep visual perception in connected robotic systems.

arXivで原文を読む →arXiv概要ページ

← 論文一覧