Peer-to-peer distribution of mobile simulations

Abstract

This bachelor thesis aims to explore different approaches of distributing a simulation on mobile devices organized in a peer-to-peer network structure. The starting point is a muscle visualization augmented reality iOS application, which tracks a person using the camera and superimposes a 3D arm model on the left arm of the person. The muscle contraction of the arm is visualized in two ways, either through color, or through the deformation of the model. The application is extended in order to distribute the arm simulation, using Apple's Multipeer Framework as the building block for the peer-to-peer network. Two measuring units which allow a comparison between mobile devices are introduced. The first evaluates a device's performance, while also taking into account the battery level. This unit is used to make a decision which device should perform inference using a neuronal network. This device then shares the results to other devices in the network. Using this approach, the computational load of the devices which do not use the neuronal network is reduced. The second evaluates the device's position in relation to the tracked person. It is used to decide either which device should run the neuronal network, or which device should perform the arm tracking of the person. With these two approaches, either the accuracy of the inference results or the tracking accuracy are improved. Distributing the simulation comes at the cost of an increased energy consumption, stemming from the necessary communication. The communication is performed over Wi-Fi, which is expensive in terms of energy usage.

Diese Bachelorarbeit zielt darauf ab, verschiedene Ansätze zur Verteilung einer Simulation auf mobilen Geräten zu untersuchen, die in einer Peer-to-Peer-Netzwerkstruktur organisiert sind. Ausgangspunkt ist eine iOS Augmented Reality-Anwendung zur Muskelvisualisierung, die eine Person mit der Kamera verfolgt und ein 3D-Armmodell über den linken Arm der Person legt. Die Muskelkontraktion des Arms wird auf zwei Arten visualisiert, entweder durch Farbe oder durch die Verformung des Modells. Die Anwendung wird erweitert, um die Simulation des Arms zu verteilen. Das Multipeer Framework von Apple wird als Baustein für das Peer-to-Peer-Netzwerk verwendet. Es werden zwei Maßeinheiten eingeführt, die einen Vergleich zwischen mobilen Geräten ermöglichen. Die erste bewertet die Leistung eines Geräts, wobei auch der Batteriestand berücksichtigt wird. Diese Einheit wird verwendet, um zu entscheiden, welches Gerät Inferenz mit Hilfe eines neuronalen Netzes durchführen soll. Dieses Gerät schickt dann die Ergebnisse an die anderen Geräte im Netz weiter. Durch diesen Ansatz wird die Rechenlast der Geräte, die das neuronale Netz nicht nutzen, reduziert. Die zweite Einheit wertet die Position des Geräts in Bezug auf die verfolgte Person aus. Sie wird verwendet, um zu entscheiden, entweder welches Gerät das neuronale Netz verwenden soll, oder welches Gerät die Armverfolgung der Person durchführen soll. Mit diesen beiden Ansätzen wird entweder die Genauigkeit der Inferenzergebnisse oder die Genauigkeit der Verfolgung verbessert. Die Verteilung der Simulation geht mit einem erhöhten Energieverbrauch einher, der aus der Kommunikation resultiert. Die Kommunikation erfolgt über Wi-Fi, was mit einem hohen Energieverbrauch verbunden ist.