Physical Safety in Wireless Edge Offloading of Control Decisions: A case study using a nano-drone

Abstract

Multi-access edge computing offers small edge devices the possibility to run more demanding workloads on a remote edge server instead of running them locally by using edge offloading. Edge offloading brings new use cases for these small edge devices, for instance, the capability to offload heavy AI object detection task as part of the application logic. However, edge offloading introduces increased latency and the possibility of completely losing the connection to an edge server, which poses a risk in physical safety if the offloaded computation is part of the device’s control decisions.

The questions and issues of physical safety due to edge offloading are the main interests in this thesis. To understand the physical safety more thoroughly, a test scenario is created where a small scale nano-drone called Crazyflie edge offloads an AI object detection task to a remote edge server. The results of the AI object detection are then utilized in the Crazyflie to fly and follow a target object.

The questions of physical safety are considered by making use of the European Union’s drone regulations 2019/947 and 2019/945 and automotive standards ISO 26262 and 19237. The EU drone regulations directly affect what should be taken into account when operating a drone, whereas the automotive standards are applied in improving and measuring safety in the test scenario.

Out of the standards and regulations, ISO 26262 Part 3 is utilized the most. This standard is used to define the concept of the drone system which leads to creation of an ISO 26262 item called "pedestrian detection system" (PDS). This item is the main point of interest in terms of safety as this item includes the edge offloading functionality in the test scenario. By following the standard, the safety requirements of this item are recognized. After this, ISO 19237 is applied to determine the physical safety test criteria in the PDS.

The actions of improving safety are validating the output, implementing a local fallback and measuring the latency requirements for the Crazyflie. Output validation is implemented in the application code level as a simple boundary check. The local fallback implementation is done to combat the situation where the connection to an edge server is lost. Finally, the latency between Crazyflie and an edge server is measured to determine safe flying speeds on different latency scenarios when edge offloading is used.

Reunalaskenta tarjoaa pienille reunalaitteille mahdollisuuden hyödyntää reunapalvelinten suurta laskentatehoa raskaan laskennan suorittamisessa sen sijasta, että nämä pienet laitteet ajaisivat raskaat laskut itse. Tämä laskennan siirto mahdollistaa esimerkiksi tekoälymallien ajamista osana reunalaitteen sovelluslogiikkaa. Ongelmana laskennan siirrossa on kuitenkin se, että se vaatii asiakas-palvelin-yhteyden, joka aiheuttaa latenssia ja mahdollistaa yhteyden katkeamisen. Mikäli laskennan siirtoa on hyödynnetty osana reunalaitteen ohjauspäätöksiä, herättää tämä kysymyksiä reunalaitteen turvallisuudesta esimerkiksi latenssin puitteissa.

Tämän opinnäytetyön tarkoituksena on tutkia reunalaitteen fyysistä turvallisuutta osana laskennan siirtoa. Tätä tarkoitusta varten tässä työssä hyödynnetään testijärjestelyä, jossa pienikokoinen Crazyflie-drooni siirtää tekoälyn avulla suoritettavan olioiden tunnistustehtävän reunapalvelimelle. Crazyflie-drooni yrittää tämän tekoälylaskennan tulosten perusteella seurata tiettyä kohdeoliota.

Turvallisuuskysymyksiä tutkitaan hyödyntämällä sekä Euroopan Unionin drooniasetuksia 2019/947 ja 2019/945 että autoteollisuuden standardeja ISO 26262 ja ISO 19237. EU:n droonisäännökset kertovat, mitä pitää huomioida drooneja käytettäessä, kun taas autostandardeja sovelletaan turvallisuuden parantamiseksi testiskenaariossa.

Näistä säännöksistä ja standardeista ISO 26262:n 3:tta osiota käytetään eniten. Tämän osion avulla droonijärjestelmä pilkotaan eri osiin, joista yksi otetaan tarkkaan käsittelyyn tässä työssä. Tämän tutkittavan osan nimi on "ihmisen tunnistamisjärjestelmä", joka sisältää edellä mainitun tekoälyn laskennan siirron reunapalvelimelle. Seuraamalla tätä standardia luodaan käsitys ihmisen tunnistamisjärjestelmän turvallisuusvaatimuksista. Standardin ISO 26262 lisäksi sovelletaan standardia ISO 19237 selvittämään ihmisen tunnistamisjärjestelmän suorituskyvyn vähimmäisvaatimukset.

Toimenpiteet turvallisuuden parantamiseksi ovat ihmisen tunnistamisjärjestelmän ulostulon validointi, varajärjestelmän toteuttaminen sekä latenssivaatimusten muodostaminen Crazyflie-droonilla. Ihmisen tunnistamisjärjestelmän ulostulo validoidaan rajatarkastuksella. Varajärjestelmä toteutetaan asiakas-palvelin-yhteyden katkeamista varten. Lopuksi Crazyflie-droonin ja reunapalvelimen välinen latenssi mitataan, mitä käytetään määrittämään droonin turvalliset lentonopeudet kun laskennan siirtoa käytetään.