11.6.1.2 브릿징 전 단의 다운샘플링(Decimation) 및 토픽 필터링 허용(Allow) 목록 설정

로봇 공학에서 16채널 이상의 고해상도 오스테(Ouster)나 벨로다인(Velodyne) LiDAR가 내뿜는 오리지널 포인트 클라우드(Point Cloud) 트래픽은 그 자체로 기가바이트(Gigabytes) 급의 정보 해일이다.
초당 10~20 프레임의 무지막지한 3D 매트릭스 정보를 그대로 Zenoh 통신망(Bridge)의 입구에 부어버리는 행위는 자율주행 알고리즘의 최적화를 포기한 우매한 폭력이자 클라우드 셧다운의 직접적인 원흉이다.

관제 클라우드 서버는 로봇의 모든 픽셀 정보를 볼 필요가 없다. 이들은 딥러닝 추론 결과물이나 압축된 장애물 지도(Occupancy Grid Vector)만을 요구한다. 본 절에서는 “브릿지를 넘기 전에 먼저 죽여라“라는 철학 하에, 엣지 노드 단에서의 필수적인 다운샘플링(Decimation) 전술과 화이트리스트 토픽 필터링(Whitelist Topic Filtering) 기법을 강경하게 지시한다.

1. 전단 다운샘플링(Decimation) 시스템 파이프라인 매설

클라우드 통합망으로 LiDAR 데이터를 쏘아 올리기 전, 엔지니어는 반드시 로컬 로봇(Edge) 환경 안에서 PCL(Point Cloud Library) 노드를 매설하여 트래픽의 모가지를 잘라내는 복셀 필터링(Voxel Grid Filtering) 전처리를 수행해야만 한다.

100만 개의 포인트를 지닌 /lidar/points_raw 데이터는 오직 로컬 차량의 충돌 방지 노드(Collision Avoidance Node)나 자체 SLAM 알고리즘까지만 돌게 내버려 둔다.
그 직후 다운샘플러 노드가 가동되어, 0.5m 단위의 거대한 복셀(Voxel) 블록형태로 입자를 분쇄 및 병합한다. 그렇게 되면 포인트 수는 100만 개에서 5천 개 수준으로 무려 99.5% 가량 소멸(Decimation)되며, 이 앙상해진 저해상도 포인트 클라우드만이 /lidar/points_downsampled 라는 새로운 토픽 명찰을 달고 로컬망 배출구에 놓여진다.

2. 브릿지의 포트 락다운: 허용(Allow) 기반 토픽 필터링

데이터를 잘 가공해 놓았다고 안심하기엔 이르다. zenoh-bridge-dds 는 기본 설정상 네트워크망에 떠도는 모든 종류의 토픽을 죄다 빨아들여 직렬화(Serialization)를 시도하는 식욕의 괴물(Default Allow-All Policy)이다.

만약 다운샘플링 노드가 잘 돌고 있더라도, 백그라운드에 떠 있는 브릿지가 저 거대한 오리지널 /lidar/points_raw 토픽까지 스니핑(Sniffing)하여 퍼나른다면, 기껏 짜놓은 최적화 파이프라인은 무위로 돌아간다. SRE(시스템 신뢰성 엔지니어)는 브릿지를 기동할 때 반드시 화이트리스트(Whitelist) 락다운 명세를 주입해야만 한다.

/* 브릿지 설정 파일(zenoh-bridge-dds-allow.json) 내의 엄벌 런북 */
{
  "dds": {
    "allow": {
      "publishers": [
        "rt/chassis/battery/status",
        "rt/lidar/points_downsampled", /* 오직 혹독한 다이어트를 거친 데이터만 통과시킨다 */
        "rt/control/acknowledgement"
      ],
      "subscribers": [
        "rt/cmd_vel",
        "rt/cloud/mission/waypoint"
      ]
    },
    // 명시되지 않은 모든 무거운 원시(Raw) 센서 토픽들은 브릿지 인입점에서 가차 없이 드롭(Drop)된다.
    "deny": {} 
  }
}

이 허용(Allow) 목록 기반의 블랙박스 터널 통제는 무지성 브로드캐스팅의 참사를 막는 방파제다. “브릿지는 통과시키라고 만든 길이지만, 오직 허가된 0.1%의 압축 데이터만이 그 위를 걸을 자격을 얻는다“라는 비즈니스 도메인 지향 필터링 룰셋이야말로 대용량 분산 시스템 아키텍트가 숙지해야 할 핵심 소양이다.

3. 분산 엣지 프로세싱(Edge Processing) 율법

LiDAR의 대규모 데이터를 다루는 율법은 브릿징 이전 단계(Pre-bridging)에서 철저하게 수학적 처리를 종결짓는 데에 그 초점이 맞춰진다.
이 엣지 프로세싱 사상은 단순히 트래픽을 아낀다는 차원을 벗어난다. 로봇 단말이 단순히 데이터를 퍼나르는 ’바보 송신기’가 아니라, 현장에서 원시 데이터를 정보(Information)로 연금술(Refine)하여 클라우드로 띄워보내는 자율적 인지 추론 노드(Autonomous Cognitive Node)로 격상되었음을 의미한다.

통신 시스템(Zenoh)의 최상의 성능 튜닝은, 라이브러리의 옵션값을 건드려 속도를 미세하게 끌어올리는 것이 아니라, 무가치하고 반복적인 원시 쓰레기 데이터를 브릿지에 들이밀지조차 않는 건축적 단절력(Architectural Isolation)에서 발원한다.