Empirical Study of Federated Learning in Autonomous Robots through the Development of a Robot Clustering Framework

본 논문은 다수 로봇을 군집화(Clustering)하여 관리하고 모니터링하기 위한 클러스터링 프레임워크(Robot clustering framework)를 제안하고, RCF기반에서 연합 학습과 추론엔진 배포를 자동화 하는 FedOps를 구현한다. RCF는 쿠버네티스(Kubernetes) 기반 시스템에서 gRPC프로토콜 기반의 다수 로봇을 클러스터링한다. RCF 기반의 원격 관리 기능을 통해 호스트에서 FedOps에 필요한 소프트웨어를 자동 배포하고 업데이트할 수 있다. 실험을 통한 검증을 위해서 연합 학습에 플라워 프레임워크(Flower framework)를 활용하며, 관련 클라이언트와 서버를 로봇과 엣지 서버에 배포하여 글로벌 모델을 생성하고 업데이트된 추론 모델을 로봇에 배포한다. 제안된 방법을 로봇과 엣지 및 클라우드 서버등으로 구성된 실험 환경에서 검증한다.