DDS-ориентированная отказоустойчивость передачи данных в робототехнических системах на базе ROS 2

Введение. Современные распределенные робототехнические системы на базе Robot Operating System 2 (ROS 2) критически зависят от качества сетевой среды. Однако при использовании беспроводных каналов связи (Wi-Fi, LoRa, 4G/5G) возникают деградации: потери пакетов, рост джиттера и микро-обрывы. Стандартные механизмы Data Distribution Service (DDS) предоставляют метрики качества обслуживания (Quality of Service, QoS), но не определяют прикладную логику адаптации. В данной работе решается проблема обеспечения непрерывности управления роботом в условиях нестабильного канала связи за счет разработки интеллектуального слоя отказоустойчивости. Метод. Предложена архитектура DDS-aware, интегрирующая компоненты QoS Monitor и Policy Engine. Методология базируется на онлайн-мониторинге событий DDS (DeadlineMissed, LivelinessChanged) и статистическом анализе окна доставки сообщений. Разработан алгоритм классификации состояния связи (конечный автомат) и механизмы смягчения последствий: двухпутевая доставка команд (primary/backup) с дедупликацией по серийным номерам и динамическая приоритизация трафика. Экспериментальная проверка проводилась на Linux-стенде с использованием tc netem для прецизионной эмуляции сетевых деградаций (10 % потери, задержка и джиттер, микро-обрывы) при частоте обмена 50 Гц. Основные результаты. Сравнительный анализ показал превосходство предложенного метода (Proposed) над стандартным подходом (Baseline). В сценарии с 10 % потерями пакетов коэффициент доставки команд DR_c увеличился с 99,81 % до 100 %, а p95 задержки снизилась с 115,52 мс до 3,51 мс. В условиях микро-обрывов предложенное решение полностью устранило провалы управления, снизив максимальное время блокировки T_(blk, max) с 1,052 с до 0 с. Система продемонстрировала стабильное время восстановления T_rex около 5 с, обусловленное политикой предотвращения осцилляций (hold-down). Обсуждение. Результаты подтверждают, что прикладное резервирование трафика и использование событийного анализа DDS позволяют компенсировать недостатки физического уровня связи без модификации ядра ROS 2. В отличие от стандартных методов, предложенный подход разделяет классы трафика, что гарантирует доставку критических команд управления даже при экстремальной деградации телеметрии. Ограничением метода является необходимость предварительной конфигурации профилей QoS, однако это компенсируется высокой переносимостью решения между различными реализациями ROS Middleware (Fast DDS, Cyclone DDS). Разработанная архитектура закладывает основу для создания самовосстанавливающихся коммуникационных сред в критически важных робототехнических приложениях. Робототехнические системы, работающие в динамичных и особенно беспроводных средах, подвержены деградации связи (потери пакетов, рост задержек, джиттер, кратковременные обрывы), что приводит к снижению качества телеметрии и к временным провалам доставки команд управления. В ROS 2 обмен данными реализован поверх DDS, который предоставляет политики QoS и события QoS, однако не задает прикладную политику отказоустойчивости. Предложен DDS-aware слой отказоустойчивой коммуникации для ROS 2, включающий монитор QoS и модуль мониторинга качества обслуживания, классифицирующий состояние связи и запускающий меры смягчения: приоритизации команд, адаптацию потоков телеметрии и переключение между заранее подготовленными профилями QoS. Представлена воспроизводимая методика оценки в условиях искусственно внесенных ухудшений канала связи.

1. Kronauer T., Pohlmann J., Matthé M., Smejkal T., Fettweis G. Latency analysis of ROS2 Multi-Node systems // Proc. of the IEEE International Conference on Multisensor Fusion and Integration for Intelligent Systems (MFI). 2021. P. 1–7. doi: 10.1109/MFI52462.2021.9591166

2. Macenski S., Foote T., Gerkey B., Lalancette C., Woodall W. Robot Operating System 2: Design, architecture, and uses in the wild // Science Robotics. 2022. V. 7. N 66. P. eabm6074. doi: 10.1126/scirobotics.abm6074

3. Maruyama Y., Kato S., Azumi T. Exploring the performance of ROS2 // Proc. of the 13th International Conference on Embedded Software. 2016. P. 1–10. doi: 10.1145/2968478.2968502

4. Pardo-Castellote G. OMG data-distribution service: architectural overview // Proc. of the 23rd International Conference on Distributed Computing Systems Workshops. 2003. P. 200–206. doi: 10.1109/ICDCSW.2003.1203555

5. Blass T., Hamann A., Lange R., Ziegenbein D., Brandenburg B.B. Automatic latency management for ROS 2: benefits, challenges, and open problems // Proc. of the IEEE 27th Real-Time and Embedded Technology and Applications Symposium (RTAS). 2021. P. 264–277. doi: 10.1109/RTAS52030.2021.00029

6. Bédard C., Lütkebohle I., Dagenais M. ros2_tracing: Multipurpose low-overhead framework for real-time tracing of ROS 2 // IEEE Robotics and Automation Letters. 2022. V. 7. N 3. P. 6511–6518. doi: 10.1109/LRA.2022.3174346

7. Ye Y., Nie Z., Liu X.-J., Xie F., Li Z., Li P. ROS2 Real-time performance optimization and evaluation // Chinese Journal of Mechanical Engineering. 2023. V. 36. N 1. P. 144. doi: 10.1186/s10033-023-00976-5

8. Teper H., Betz T., von der Brüggen G., Chen K.-H., Betz J., Chen J.-J. Timing-Aware ROS 2 architecture and system optimization // Proc. of the IEEE 29th International Conference on Embedded and RealTime Computing Systems and Applications (RTCSA). 2023. P. 206-215. doi: 10.1109/RTCSA58653.2023.00032

9. Casini D., Chen J.-J., Li J., Reghenzani F., Teper H. A Survey of realtime support, analysis, and advancements in ROS 2 // Leibniz Transactions on Embedded Systems. 2026. V. 11. N 1. P. 1:1–1:37. doi: 10.4230/LITES.11.1.1

10. Wang Z., Liu S., Ji D., Yi W. Improving real-time performance of Micro-ROS with priority-driven chain-aware scheduling // Electronics. 2024. V. 13. N 9. P. 1658. doi: 10.3390/electronics13091658

11. Sobhani H., Choi H., Kim H. Timing analysis and priority-driven enhancements of ROS 2 multi-threaded executors // Proc. of the IEEE 29th Real-Time and Embedded Technology and Applications Symposium (RTAS). 2023. P. 106–118. doi: 10.1109/RTAS58335.2023.00016

12. Zhang J., Yu X., Ha S., Peña Queralta J., Westerlund T. Comparison of middlewares in edge-to-edge and edge-to-cloud communication for distributed ROS 2 systems // Journal of Intelligent & Robotic Systems. 2024. V. 110. N 4. P. 162. doi: 10.1007/s10846-024-02187-z

13. Dey E., Walczak M., Anwar M.S., Roy N., Freeman J., Gregory T., et al. A Novel ROS2 QoS policy-enabled synchronizing middleware for co-simulation of heterogeneous multi-robot systems // Proc. of the 32nd International Conference on Computer Communications and Networks (ICCCN). 2023. P. 1–10. doi: 10.1109/ICCCN58024.2023.10230109

14. Hemminger S. Network emulation with NetEm // Proc. of the 6th National Linux Conference. 2005.

15. Thulasiraman P., Chen Z., Allen B., Bingham B. Evaluation of the Robot Operating System 2 in lossy unmanned networks // Proc. of the IEEE International Systems Conference (SysCon). 2020. P. 1–8. doi: 10.1109/SysCon47679.2020.9275849

16. Paul S., Lephuoc D., Hauswirth M. Performance evaluation of ROS2DDS middleware implementations facilitating cooperative driving in autonomous vehicle // arXiv. 2024. arXiv:2412.07485. doi: 10.48550/arXiv.2412.07485

17. Gambo M.L., Danasabe A., Almadani B., Aliyu F., Aliyu A., AlNahari E. A Systematic literature review of DDS middleware in robotic systems // Robotics. 2025. V. 14. N 5. P. 63. doi: 10.3390/robotics14050063

18. Chovet L., Garcia G.M., Bera A., Richard A., Yoshida K., OlivaresMéndez M.A. Performance comparison of ROS2 middlewares for multi-robot mesh networks in planetary exploration // Journal of Intelligent & Robotic Systems. 2025. V. 111. N 1. P. 18. doi: 10.1007/s10846-024-02211-2

19. Lee S., Kim T., Chae J., Park K.-J. Optimizing ROS 2 communication for wireless robotic systems // arXiv. 2025. arXiv:2508.11366. doi: 10.48550/arXiv.2508.11366

20. Lee S., Park H.-S., Chae J., Park K.-J. Probabilistic latency analysis of the data distribution service in ROS 2 // arXiv. 2025. arXiv:2508.10413. doi: 10.48550/arXiv.2508.10413

21. Al-Batati A., Koubâa A., Gabr K., Abdelkader M., Aloqaily H. ROS 2 in a nutshell: a survey // ACM Computing Surveys. 2026. doi: 10.1145/3815113

22. Chen K., Hari K., Chung T., Wang M., Tian N., Juette C., et al. FogROS2-FT: Fault tolerant cloud robotics // Proc. of the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). 2024. P. 1390–1397. doi: 10.1109/IROS58592.2024.10802613

23. Lauer M., Amy M., Fabre J.-C., Roy M., Excoffon W., Stoicescu M. Resilient computing on ROS using adaptive fault tolerance // Journal of Software: Evolution and Process. 2018. V. 30. N 3. P. e1917. doi: 10.1002/smr.1917

24. Keramat F., Peña Queralta J., Westerlund T. Partition-tolerant and Byzantine-tolerant decision making for distributed robotic systems with IOTA and ROS2 // IEEE Internet of Things Journal. 2023. V. 10. N 14. P. 12985–12998. doi: 10.1109/JIOT.2023.3257984

25. Ruzmetov A., Khudaybergenov T. Study on the implementation of reliable data transmission in wireless communication system // Proc. of the IEEE XVII International Scientific and Technical Conference on Actual Problems of Electronic Instrument Engineering (APEIE). 2025. P. 1–5. doi: 10.1109/APEIE66761.2025.11289272

26. Zhang J., Yu X., Westerlund T. Enhancing the resilience of ROS 2-based multi-robot systems with Kubernetes: a case study on UWBBased relative positioning // Sensors. 2025. V. 25. N 16. P. 5067. doi: 10.3390/s25165067

27. Rossi F., Vaquero T., Sánchez Net M., Saboia da Silva M., Vander Hook J. The Pluggable Distributed Resource Allocator (PDRA): a middleware for distributed computing in mobile robotic networks // Proc. of the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). 2020. P. 4337–4344. doi: 10.1109/IROS45743.2020.9341205

28. Ruzmetov A., Khudaybergenov T. Survey of IoT application layer protocols // Modern Science and Research. 2024. V. 3. N 1. P. 1–5.

29. Рузметов А. А., Худайбергенов Т. А. Алгоритм переключения между системами передачи данных для обеспечения бесперебойной связи в робототехнике // Роль физико-математических наук в современном образовательном пространстве: материалы VII Меж ду народной научно-практической конференции, посвященной памяти Г.И. Имашева. Секция 3. Атырау: ASU Press, 2024. С. 271–275.

30. Valkov I., Trinder P., Chechina N. Reliable distribution of computational load in robot teams // Autonomous Robots. 2021. V. 45. N 3. P. 351–369. doi: 10.1007/s10514-021-09967-8