4 1. 世界観と課題 物理空間とサイバー空間を架橋しインテリジェントに動作する IoTシステムの技術基盤を実現する Physicalverse Midverse Physical Space Materials (Things) Overlaids (IoTs) Intermediates Metaverse Cyber Space Objects IoT System (1) Device Layer Edge Layer Cloud Layer [1] 栗林 健太郎, 三宅 悠介, 力武 健次, 篠田 陽一, IoTシステムの双方向データフローにおける設計と実装の複雑さを解消する手法の提案 [2] Shi, Weisong, Jie Cao, Quan Zhang, Youhuizi Li, and Lanyu Xu, Edge Computing: Vision and Challenges IoT System (2) ・・ ・ ・・ ・ ・・ ・ - Sensing physical environment and actuating devices. - Transport the sensor data to the upper layer.[1] - Conducting with environment in an intelligent manner based on learning (device-side/cloud-side). - Computing offloading, data cashing/storage, request distribution, service discovery, IoT management, privacy management [2] - Processing the data, i.e., formatting, transforming, extending, etc [1] - Analysing the data to produce meaningful information. - Providing services to users. - Sending actuation orders to the device layer.[1]
2.1. 修士研究の展開 多数のデバイスにより構成されるIoTシステムでのPratipadの実用性を評価する [5] Cruz, Mauro A. A. da, Joel J. P. C. Rodrigues, Arun Kumar Sangaiah, Jalal Al-Muhtadi, and Valery Korotaev, Performance Evaluation of IoT Middleware 対応する課題 課題① 3層構造をとるIoTシステムの設計・実装は複雑になってしまう （承前：「IoTシステムの双方向データフローにおける設計と実装の複雑さを解消する手法の提 案」修士論文審査会発表） ● 提案手法を大規模なシステムに応用可能なパフォーマンス改善 ○ 修士研究で評価したデモシステムは，少数のデバイスからなるものであった ○ 数百〜数千のIoTデバイスが接続する環境を想定したパフォーマンス改善が必要 ● 定量評価 ○ 上記の想定における，提案手法の定量評価（電力消費量，パケットサイズ，エラーレート，レス ポンスタイム，データ量に対するパフォーマンス変化等 [5]）
2.2. IoTデバイスへの変更の動的適用 効率的な更新を目的とする先行研究はあるが，動的言語に基づくものはない [6] Peter Ruckebusch, Eli De Poorter, Carolina Fortuna, and Ingrid Moerman, Gitar: Generic extension for internet-of-things architectures enabling dynamic updates of network and application modules [7] Peter Ruckebusch, Spilios Giannoulis, Ingrid Moerman, Jeroen Hoebeke, and Eli De Poorter, Modelling the energy consumption for over-the-air software updates in lp-wan networks ● 先行研究は，開発者によるコードの変更をIoTデバイスに適用する方式を以下の表の通り整理している（[6-7]より筆者 がまとめた）． ● ハードウェアやネットワーク制約の強いIoTデバイスの実環境への配備後の更新方式に着目しているため，動的言語に よる方式を採用不可としている． 更新対象 概要 採用可否 スクリプト言語によるコード スクリプト言語の持つ動的な性質を利用して，旧いコードを開発者による変更後の新し いコードで置き換える． ✕ 仮想機械で動作する言語によるコード 仮想機械で動作する言語の持つ動的な性質を利用して，旧いコードを開発者による変 更後の新しいコードで置き換える． ✕ ファームウェアイメージ アプリケーションコードを埋め込んだファームウェアイメージを入れ替えることで，開発者 による変更後の新しいコードを適用する． ◯ ネイティブコードへの動的リンク 開発者による変更後の新しいコードをネイティブコードとして配置し，既存のコードのリ ンク先を動的に書き換える． ◯ 対応する課題 課題② 配備されたIoTデバイスへの開発者による変更の適用は困難である
10 2.3. IoTデバイスへの学習済みモデルの配布 学習処理のクラウドへの移譲だけでなく，MLOpsのような開発サイクルが必要 [4] Raj, Emmanuel, David Buffoni, Magnus Westerlund, and Kimmo Ahola, Edge MLOps: An Automation Framework for AIoT Applications [8] Castillo, Emmanuel Ayuyao, and Ali Ahmadinia, Distributed Deep Convolutional Neural Network For Smart Camera Image Recognition [9] Li, He, Kaoru Ota, and Mianxiong Dong, Learning IoT in Edge: Deep Learning for the Internet of Things with Edge Computin 対応する課題 課題③ デバイス層での推論のためのモデル配布を効率的に行うのが困難である ● 学習をクラウド層へオフローディングし，そこで得ら れたモデルを用いてデバイス層で推論を行う研究 が行われている[8, 9]． ● それらでは学習済みモデルの継続的な更新や配備 について考慮がなされていない． MLOpsに基づく エッジデバイスでの推論のためのフレームワークが 提案されている（右図[4]）． ● 一方で，モデルの配布方法については，ビルド済み のものをpullする以外にもpushやdemand方式もあ り得る（例：Pratipadが対応するデータ取得方式）．
参考文献 1. 栗林 健太郎, 三宅 悠介, 力武 健次, 篠田 陽一, IoTシステムの双方向データフローにおける設計と実装の複雑さを解消する手 法の提案, インターネットと運用技術シンポジウム論文集 , 2021, pp.48-55, Nov 2021. 2. Shi, Weisong, Jie Cao, Quan Zhang, Youhuizi Li, and Lanyu Xu. 2016. “Edge Computing: Vision and Challenges.” IEEE Internet of Things Journal 3 (5): 637–46. 3. 栗林 健太郎, 山崎 進, 力武 健次, 丹 康雄, IoTデバイス内アプリケーションの開発効率向上のためにコードの変更を動的に適用 する方式の提案と実装 , 研究報告ソフトウェア工学（ SE）, Vol.2021-SE-207, No.32, pp.1-8, Feb 2021. 4. Raj, Emmanuel, David Buffoni, Magnus Westerlund, and Kimmo Ahola. 2021. “Edge MLOps: An Automation Framework for AIoT Applications.” In 2021 IEEE International Conference on Cloud Engineering (IC2E), 191–200. 5. Cruz, Mauro A. A. da, Joel J. P. C. Rodrigues, Arun Kumar Sangaiah, Jalal Al-Muhtadi, and Valery Korotaev. 2018. “Performance Evaluation of IoT Middleware.” Journal of Network and Computer Applications 109 (May): 53–65. 6. Peter Ruckebusch, Eli De Poorter, Carolina Fortuna, and Ingrid Moerman. Gitar: Generic extension for internet-of-things architectures enabling dynamic up- dates of network and application modules. Ad Hoc Net- works, Vol. 36, pp. 127–151, January 2016. 7. Peter Ruckebusch, Spilios Giannoulis, Ingrid Moerman, Jeroen Hoebeke, and Eli De Poorter. Modelling the energy consumption for over-the-air software updates in lp- wan networks: Sigfox, lora and ieee 802.15.4g. Internet of Things, Vol. 3-4, pp. 104–119. 8. Castillo, Emmanuel Ayuyao, and Ali Ahmadinia. 2017. “Distributed Deep Convolutional Neural Network For Smart Camera Image Recognition.” In Proceedings of the 11th International Conference on Distributed Smart Cameras, 169–73. ICDSC 2017. New York, NY, USA: Association for Computing Machinery. 9. Li, He, Kaoru Ota, and Mianxiong Dong. 2018. “Learning IoT in Edge: Deep Learning for the Internet of Things with Edge Computing.” IEEE Network 32 (1): 96–101. 10. 栗林 健太郎, Elixirで構成された3層構造からなる IoTシステムにおける分散機械学習・推論実行基盤へ向けて , https://speakerdeck.com/kentaro/toward-a-distributed-machine-learning-infrastructure-for-iot-systems-in-elixir
kentaro
takanorip
bengo4com
mosa_siru
nwiizo
rilmayer
mtx2s
chiroito
joker1007
comucal
tacck
yuya4
chloe463
jlugia
mza
geoffreycrofte
orderedlist
maggiecrowley
jponch
robhawkes
skipperchong
yeseniaperezcruz
malarkey
chriscoyier
destraynor