Rozproszona symulacja wirtualna – Chmura Symulacyjna

• Autorzy: Koszela J. , Szymczyk M.

Warianty tytułu

EN

Distributed virtual simulation – Simulation Cloud

• Języki publikacji: PL

Abstrakty

PL

Dzisiejszy sprzęt komputerowy posiada moc obliczeniową umożliwiającą przeprowadzanie symulacji wirtualnej. Nawet najmocniejsza maszyna w przypadku wykorzystania modelu o wysokiej szczegółowości oraz rozdzielczości może być niewystarczająca. Przejście na symulację konstruktywną spowoduje utratę na szczegółowości symulacji. Możliwe jest jednak zastosowanie rozproszonej symulacji wirtualnej w chmurze obliczeniowej. Przykładem zastosowania takiego rozwiązania jest produkt SpatialOS firmy Improbable.

EN

Today's personal computers have the computing power to perform virtual simulation. However, even the most powerful machine in the case of using a high detail model and resolution may be insufficient. The transition to constructive simulation will result in a loss of detail in the simulation. However, it is possible to use a distributed virtual simulation in the computing domain. An example of such a solution is the SpatialOS product of the Improbable company.

Słowa kluczowe

PL

symulacja rozproszona; VR; chmura obliczeniowa

EN

distributed simulation; VR; cloud computing

• Wydawca: Polskie Towarzystwo Symulacji Komputerowej
• Czasopismo: Symulacja w Badaniach i Rozwoju
• Rocznik: 2018
• Tom: Vol. 9, nr 1-2
• Strony: 33--46
• Opis fizyczny: Bibliogr. 15 poz., rys., tab.

Twórcy

autor

Koszela J.

• Wojskowa Akademia Techniczna, Wydział Cybernetyki, Instytut Systemów Informatycznych ul. gen. Witolda Urbanowicza 2, 00-908 Warszawa 46

autor

Szymczyk M.

• Wojskowa Akademia Techniczna, Wydział Cybernetyki, Instytut Systemów Informatycznych ul. gen. Witolda Urbanowicza 2, 00-908 Warszawa 46

Bibliografia

• 1. Mattsson P. P.: Why Haven’t CPU Clock Speeds Increased in the Last Few Years? https://www.comsol.com/blogs/havent-cpu-clock-speeds-increased-last-years/, dostęp 12.03.2018.
• 2. Weatherly R. M., Wilson A. L., Canova B. S., Page E. H., Zabek A. A., Fisher M. C.: Advanced Distributed Simulation though the Aggregate Level Simulation Protocol, Proceedings of the 29th Hawaii International Conference on Systems Sciences, 407, 1996.
• 3. Joselli M., Zamith M., Valente L., Feijó B., Leta F.R., Clua E.: A Distributed Architecture for Simulation Environments Based on Game Engine Systems, Augmented Vision and Reality, 4, 14, 2014.
• 4. Multithreaded Game Engine Architectures, www.gamasutra.com/view/feature/130247/multithreaded_game_engine_.php?print=1, dostęp 12.03.2018.
• 5. Tarapata Z., Antkiewicz R., Chmielewski M., Dyk M., Kasprzyk R., Kulas W., Najgebauer A., Pierzchała D., Rulka J.: A Computer System or CBRN Contamination Threats Analysis Support, Prediction Their Effects and Alarming the Population: Polish Case Study, 21st International Conference on Circuits, Systems, Communication and Computers, 125, 2017.
• 6. Cohen R., Ejlersen A., Kristensen R.: Distributed Game Engine for Massively Multiplayer Online Shooting Games, 10-12, 2009.
• 7. Emilsson K.: Infinite Space: An Argument or Single-Sharded Architecture in MMOs, https://www.gamasutra.com/view/feature/132563/infinite_space_an_argument_for_.php?print=1 (dostęp 12.03.2018), 2018.
• 8. 1278.1-2012 – IEEE Standard for Distributed Interactive Simulation—Application Protocols, IEEE, 2012.
• 9. 1516-2010 – IEEE Standard for Modelling and Simulation (M&S) High Level Architecture (HLA)—Framework and Rules, IEEE, 2010.
• 10. NVIDIA GRID: Graphics accelerated VDI with the visual performance of a workstation http://www.nvidia.com/content/grid/vdi-whitepaper.pdf (dostęp 12.03.2018).
• 11. Severiukhina O., Smirnov P. A., Bochenina K., Nasonov D., Butakov N.: Adaptive load balancing of distributed multi-agent simulations on heterogenous computational infrastructures, 6th International Young Scientists Conference in HPC and Simulation, 2017.
• 12. Bragard Q., Ventresque A., Murphy L.: Self-Balancing Decentralized DisA Qtributed Platform for Urban Traffic Simulation, IEEE Transactions on Intelligent Transportation Systems, 18, 1190-1196, 2017.
• 13. W. Xiong, W. Tsai, HLA-Based SaaS-Oriented Simulation Frameworks, IEEE 8th International Symposium on Service Oriented System Engineering, 1-7, 2014.
• 14. Google’s dedicated TensorFlow processor, or TPU, crushes Intel, Nvidia in inference workloads www.extremetech.com/computing/247199-googles-dedicatedtensorflow-processor-tpu-makes-hash-intel-nvidia-inference-workloads (dostęp 12.03.2018), 2018.
• 15. SpatialOS SDK Documentation, docs.improbable.io (dostęp 12.03.2018), 2018.

Uwagi

PL

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2019).