Socio-technical analysis of the robot operating system ecosystem for fostering participation in knowledge sharing activities

Abstract

El desarrollo de software para robots presenta desafíos particulares: amplia variedad de disciplinas involucradas (ingeniería de software, ciencia de datos, mecatrónica, etc.) y uso de hardware heterogéneo (diferentes actuadores y sensores). La comunidad de robótica ha llegado al uso de Middleware para robótica como una solución al manejo de la complejidad del programar robots. Estas tecnologías consisten en una capa de abstracción entre el sistema operativo y las aplicaciones. Existen varios middlewares pero el más popular hoy es el Robot Operating System (ROS). Aun cuando existe una participativa comunidad detrás del éxito de ROS, existen muy pocos estudios respecto a ROS como un ecosistema de software. En esta tesis presentamos un estudio en profundidad del ecosistema de ROS y propusimos un método para identificar miembros de la comunidad calificados para compartir conocimiento. Primero hicimos un estudio inicial sobre un artefacto de software propio de ROS: los ROS launch files. Estos son archivos de configuración usados para hacer el despliegue de procesos de un programa robótico. Encontramos suficiente evidencia para afirmar que un gran porcentaje de los paquetes de ROS presenta duplicación de código en sus launch files. Posteriormente, indagamos aún más en la forma en que los usuarios interactúan con el middleware y en la comunidad en sí. Para esto hicimos un estudio de campo que combinaba aspectos cualitativos y cuantitativos. Los resultados nos permitieron destilar los cinco principales cuellos de botella en las dinámicas de colaboración del ecosistema ROS. Entre ellas destacan la falta de tiempo y la existencia de paquetes abandonados. Junto con esto, proponemos cinco recomendaciones para sobrellevar estos cuellos de botella, entre ellos destaca: Recomendar Oportunidades de Contribución. Finalmente, nos enfocamos en esta última recomendación y presentamos un sistema de recomendación de usuarios calificados para responder preguntas en la plataforma de preguntas y respuestas (Q&A) ROS Answers. La idea principal fue distribuír la carga de trabajo recomendando usuarios con poca participación. A través de tres preguntas se probó la eficacia del método: saber si recomienda a los usuarios que contestaron correctamente la pregunta, saber si recomienda usuarios calificados y saber si ayuda a distribuir mejor la carga de trabajo. Los resultados del trabajo realizado nos permiten concluir que el estudio de artefactos de software sí permite detectar problemas en el ecosistema, que los cuellos de botella en las contribuciones se pueden atribuir a problemas socio-técnicos, y que un sistema de recomendación basado en tags puede ser insuficiente para recomendar usuarios calificados que redistribuya la carga de trabajo en plataformas Q&A de robótica.