Robust distributed pervasive simulations in the presence of delays, jitter and losses

Abstract

Pervasive simulation envisions to apply computationally expensive simulations in everyday scenarios on resource-constrained mobile devices. The PerSiVal project aims to realize a bio-mechanical simulation of the human arm as augmented reality application. To enable the execution of such computationally expensive simulations on resource-constrained devices surrogate models are applied. Nonetheless, the execution of the surrogate models can still be challenging. A solution to deal with the constraint resources is the offloading of the surrogate model to a server that is wirelessly connected to the mobile device. Challenges arise due to inevitable delays caused by processing and communication between devices. To counterweight the delays, previous work has applied a second, light-weight surrogate model with lower performance on the mobile device. The goal of this thesis is the design and evaluation of Kalman filter-based approaches for fusion in the presence of delays, jitter and losses. This work contributes an improved strategy for surrogate model derivation, improved and light-weight surrogate models for the muscle simulation, a distribution model for reproducible analysis and evaluation of distributed algorithms, an improved variant of the fusion algorithm from previous work and the design and evaluation of Kalman filter-based solutions to the fusion problem. While being computationally more demanding, the Kalman filter-based approaches show a significant advantage in dealing with delays, jitter and losses in the evaluated scenarios. Especially the constant velocity Kalman filter with input augmentation fusion works best in the tested scenarios. Conclusively, the Kalman filter is a powerful framework that has been successfully applied in the context of distributed pervasive simulations for continuous problems.

Die Vision der so genannten Pervasive Simulation ist die Verwendung von rechenaufwändigen Simulationen auf Ressourcen-beschränkten mobilen Endgeräten in alltäglichen Situationen. Das PerSiVal Projekt hat die Realisierung einer biomechanischen Simulation eines menschlichen Arms als Augmented Reality Applikation zum Ziel. Um die Ausführung solch teurer Simulationen auf Ressourcen-beschränkten Endgeräten zu ermöglichen, werden so genannte Surrogat-Modelle verwendet. Die Ausführung solcher Surrogat-Modelle kann weiterhin herausfordernd sein. Eine Lösung, um mit der Ressourcen-Beschränkung umzugehen, ist das Auslagern des Surrogat-Modells auf einen Server, der kabellos mit dem mobilen Endgerät verbunden ist. Hierbei sind unvermeidbare Verzögerungen, verursacht durch Prozessierung und Kommunikation, eine große Herausforderung. Um diesen entgegenzuwirken, ist in vorangegangener Arbeit ein Ansatz entwickelt worden, der ein zweites, leichtgewichtiges Surrogat-Modell mit niedrigerer Performance auf dem mobilen Endgerät ausführt. Das Ziel dieser Thesis ist das Design und die Evaluation von Ansätzen, basierend auf dem Kalman-Filter, für das Fusionsproblem in der Gegenwart von Verzögerungen, Jitter und Datenverlust. Diese Arbeit präsentiert folgende Kontributionen: eine verbesserte Strategie für die Surrogat-Model Ableitung, verbesserte und leichtgewichtige Surrogat-Modelle für die Muskelsimulation, ein Verteilungsmodell für die reproduzierbare Analyse und Evaluation von verteilten Algorithmen, eine verbesserte Variante des Fusionsansatzes aus vorheriger Arbeit und das Design und die Evaluation von Kalman-Filter-basierten Lösungen für das Fusionsproblem. Während diese rechenaufwändiger sind, haben sie signifikante Vorteile gegenüber Verzögerungen, Jitter und Datenverlust in den evaluierten Szenarien. Das Kalman-Filter erster Ordnung mit Eingangsaugmentation erbringt die besten Resultate in den getesteten Szenarien. Schlussendlich bietet das Kalman-Filter ein mächtiges Rahmenwerk, das erfolgreich im Kontext verteilter pervasiver Simulation für kontinuierliche Probleme angewendet worden ist.