En els últims anys, hem vist una tendència creixent cap a la computació a l’extrem de la xarxa (edge computing), en la qual les tasques de processament de dades es realitzen més a prop dels dispositius i els sensors que les generen. Això permet una latència més baixa i un millor rendiment, ja que les dades no han de ser transferides a través de xarxes llunyanes per ser processades en servidors remots. A més, a mesura que la tecnologia IoT continua evolucionant, és cada vegada més comú veure la computació incorporada directament a la capa IoT. És a dir, els dispositius IoT no només són capaços de recopilar dades i enviar-les, sinó que també poden processar-les, analitzar-les i prendre decisions basades en aquestes, sense necessitat de transferir-les a altres sistemes de processament de dades.
Les dades recollides pels dispositius IoT cada cop demanen més precisió i confiança, ja que són crítiques per a les aplicacions i, per tant, és important assegurar-se que són correctes i que no han estat modificades per tercers malintencionats. Això és el que es coneix com a “trusted data”, és a dir, dades de confiança. A més, és important que les dades es puguin transportar des d’Internet fins al dispositiu IoT, i viceversa, i que es pugui realitzar el routing de les dades a través de la xarxa IoT perquè arribin al seu destí correctament. El routing en IoT és una tasca complexa, ja que la xarxa està composta per nodes que poden moure’s i ser temporals, per tant, han de ser capaços de comunicar-se de manera eficient.
A mesura que la quantitat de dades generades per dispositius IoT augmenta, és necessari el processament local de les dades a la font per reduir la latència i el consum d’energia en la seva transmissió. Aquí és on la tecnologia TinyML entra en joc. Els dispositius TinyML són petits dispositius informàtics equipats amb models d’aprenentatge automàtic (machine learning) que realitzen tasques de processament de dades sense la necessitat de connexió a la xarxa. A més, l’ús de la tecnologia d’aprenentatge federat permet entrenar models de forma distribuïda sense la necessitat de compartir les dades amb un servidor central. En aquest context, els dispositius TinyML requereixen un protocol d’enrutament de dades fiable per a la transmissió d’informació entre dispositius IoT amb un consum d’energia baix i una cobertura àmplia.
El grup de recerca Xarxes de Computadors i Sistemes Distribuïts (CNDS) de la Universitat Politècnica de Catalunya – BarcelonaTech (UPC) està liderant el projecte LoRaMesher, que té com a objectiu oferir un servei avançat de comunicació sense fil LoRa per a la interconnexió d’aplicacions en la capa IoT. Els dispositius IoT connectats per LoRa construeixen una xarxa en malla, de manera que es poden comunicar entre si a través dels mateixos nodes de la xarxa, tal com passa a Internet. En el marc d’aquest projecte, s’estan prototipant diferents aplicacions, com ara el monitoratge del vent en festivals de música, la detecció avançada d’incendis forestals o que esdevingui una comunicació alternativa a les xarxes wifi en cas d’emergència. La tecnologia LoRaMesher també pot ser utilitzada per oferir una connectivitat de baix tràfic i sense operador en zones rurals i remotes, on les xarxes tradicionals són inexistents. Així, aquesta tecnologia podria tenir un impacte significatiu en molts sectors, incloent-hi l’agricultura i la indústria forestal.
Imatge: Connexió de dispositius IoT utilitzant la xarxa de comunicació sense fil LoRa.