Kurzbeschreibung
Dezentralisierte und heterogene Rechenressourcen sind die wesentliche infrastrukturelle Komponente von Edge Computing. Edge Computing bringt neue Herausforderungen für den Aufbau und Betrieb geeigneter Rechenplattformen mit sich. In dieser Domäne enstehen Anwendungsszenarien mit herausfordernden Anforderungen, etwa den Echtzeitzugriff auf Sensordaten aus der Umgebung, KI-Modell-Inferenz mit geringer Latenz, oder den sicheren Zugriff auf Daten aus privaten Edge Netzwerken, um KI-Modelle zu trainieren. Im Zuge des CPS/IoT-Ecosystem Projekts, haben wir mehrere Testbeds und Demonstratoren mit dieser Art von Post-Cloud-Computing-Infrastruktur aufgebaut. Hier sind vier ausgewählte Testbeds:
* Serverless Edge Computing: Es wurde ein Testbett aus diverser Edge Computing Rechner- und Netzwerk-Infrastruktur aufgebaut, und eine Plattform entwickelt, um die Fragestellung zu untersuchen, ob sich die Prinzipien von Serverless Computing auf Edge Computing Systeme anwenden lassen.
* Cognitive Augmentation Anwendungen: Augmented Reality (AR) Technologien lassen sich für "Cognitive Augmentation" anwenden. Diese benötigen jedoch unterstützende Edge Infrastruktur und Edge Computing Plattformen, um Sensordaten aus der Umgebung in Echtzeit zu verarbeiten, oder AI-basierte Videoanalyse ausführen zu können. Testinfrastruktur aus Edge-AI (NVIDIA Jetson, u.Ä.), Headset (HoloLens2), und Tiefenkameras wurde angeschafft und Demo-Applikationen entwickelt und publiziert.
* Privacy Mechanismen für AI-basierte Videoanalyse: Für die Untersuchung der Fragestellung, wie AI-basierte Videoverarbeitung von Überwachsungskameras unter Einhaltung von Datenschutzbestimmungen stattfinden kann, wurde ein Testbett aus Edge-AI Hardware angeschafft.
* Räumliche Lokalisierung und Positionierung in Innenräumen: Mit der Decawave-Plattform wurde ein kostengünstiges Indoor-Positionierungssystem mit mittlerer Präzision entwickelt, das keine Sichtverbindung erfordert. Wir haben 8 x DWM1001-DEV-Anker und 35 x DWM1001-Tags sowie mehrere Raspberry PIs und Arduinos für den Aufbau eines Testbeds erworben. Darüber hinaus haben wir eine Unity-Anwendung entwickelt, die die Umgebung modelliert und Objekte im cyber-physischen Raum verfolgen kann.
Ansprechperson
Alexander Knoll
Research Services
Auf Anfrage
Methoden & Expertise zur Forschungsinfrastruktur
* Design verteilter Systeme
* Integration des Internet der Dinge mit Edge Computing Infrastruktur
* Systementwicklung
* Ausführung von empirischen Experimenten (z.B. Benchmarks)
CognitiveXR (https://cognitivexr.at)
VRVis Zentrum für Virtual Reality und Visualisierung Forschungs-GmbH (https://vrvis.at)
CognitiveAR, 2021. Thomas Rausch (TU Wien), Katharina Krösl (VRVis), Waldemar Hummer, Schahram Dustdar (TU Wien); https://netidee.at/cognitivear
* Rausch, T., Avasalcai, C., & Dustdar, S. (2018). Portable energy-aware cluster-based edge computers. In 2018 IEEE/ACM Symposium on Edge Computing (SEC) (pp. 260-272). IEEE.
* Rausch, T., Raith, P., Pillai, P., & Dustdar, S. (2019). A system for operating energy-aware cloudlets. In Proceedings of the 4th ACM/IEEE Symposium on Edge Computing (pp. 307-309).
* Rausch, T., Rashed, A., & Dustdar, S. (2021). Optimized container scheduling for data-intensive serverless edge computing. Future Generation Computer Systems, 114, 259-271.
* Lachner, C., Rausch, T., & Dustdar, S. (2021). A Privacy Preserving System for AI-assisted Video Analytics. In 2021 IEEE 5th International Conference on Fog and Edge Computing (ICFEC).
* Rausch, T., Hummer, W., Stippel, C., Vasiljevic, S., Elvezio, C., Dustdar, S., & Krösl, K. (2021). Towards a Platform for Smart City-Scale Cognitive Assistance Applications. In 2021 IEEE Conference on Virtual Reality and 3D User Interfaces Abstracts and Workshops (VRW) (pp. 330-335). IEEE.