論文の概要: Evaluating Metrics for Standardized Benchmarking of Remote Presence Systems

• arxiv url: http://arxiv.org/abs/2105.01772v1
• Date: Tue, 4 May 2021 21:36:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-01 15:16:23.213135
• Title: Evaluating Metrics for Standardized Benchmarking of Remote Presence Systems
• Title（参考訳）: リモートプレゼンスシステムの標準ベンチマークのためのメトリクス評価
• Authors: Charles Peasley, Rachel Dianiska, Emily Oldham, Nicholas Wilson, Stephen Gilbert, Peggy Wu, Brett Israelsen, James Oliver
• Abstract要約: SCOTTIEは、FtF(face-to-face)インタラクションと機能的に比較して、バーチャルおよび拡張現実プラットフォームをテストする。 研究1の主な目的は、仮想現実(VR)トレーニングシナリオを用いたFtF制御から得られるコミュニケーションの有効性と学習結果とを一致させることである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: To reduce the need for business-related air travel and its associated energy consumption and carbon footprint, the U.S. Department of Energy's ARPA-E is supporting a research project called SCOTTIE - Systematic Communication Objectives and Telecommunications Technology Investigations and Evaluations. SCOTTIE tests virtual and augmented reality platforms in a functional comparison with face-to-face (FtF) interactions to derive travel replacement thresholds for common industrial training scenarios. The primary goal of Study 1 is to match the communication effectiveness and learning outcomes obtained from a FtF control using virtual reality (VR) training scenarios in which a local expert with physical equipment trains a remote apprentice without physical equipment immediately present. This application scenario is commonplace in industrial settings where access to expensive equipment and materials is limited and a number of apprentices must travel to a central location in order to undergo training. Supplying an empirically validated virtual training alternative constitutes a readily adoptable use-case for businesses looking to reduce time and monetary expenditures associated with travel. The technology used for three different virtual presence technologies was strategically selected for feasibility, relatively low cost, business relevance, and potential for impact through transition. The authors suggest that the results of this study might generalize to the challenge of virtual conferences.
• Abstract（参考訳）: 米国エネルギー省のARPA-Eは、ビジネス関連の航空旅行の必要性を減らすため、SCOTTIE(Systematic Communication Objectives and Telecommunications Technology Investigations and Evaluations)と呼ばれる研究プロジェクトを支援している。 SCOTTIEは、仮想および拡張現実プラットフォームをFtF(face-to-face)インタラクションと機能的に比較してテストし、一般的な産業訓練シナリオの旅行代替閾値を導出する。 研究1の主な目的は,身体機器の専門医が,身体機器のない遠隔見習いを訓練するバーチャルリアリティ(VR)トレーニングシナリオを用いたFtF制御から得られるコミュニケーションの有効性と学習結果とを一致させることである。 この応用シナリオは、高価な機器や材料へのアクセスが制限され、訓練を行うために多くの見習いが中央の場所に行かなければならない産業環境では一般的である。 実証的に検証された仮想トレーニングの代替品の提供は、旅行に伴う時間と金銭的支出の削減を目指すビジネスにとって、容易に適用可能なユースケースとなっている。 3つの異なる仮想プレゼンス技術で使用される技術は、実現可能性、比較的低コスト、ビジネス関連性、移行による影響の可能性のために戦略的に選択された。 著者らは,本研究の結果が仮想会議の課題に一般化されることを示唆している。

関連論文リスト

• A Comparative Analysis of Visual Odometry in Virtual and Real-World Railways Environments [3.2750823836771685]
  本稿では,仮想合成環境と実世界のシナリオの両方に適用したSLAMアルゴリズムの性能の比較分析を行う。 その結果,鉄道領域における認識タスクの促進に向けたグラフィックシミュレーションの可能性と可能性を強調した。
  論文  参考訳（メタデータ） (2024-03-25T18:18:12Z)
• Towards a low-cost universal access cloud framework to assess STEM students [0.0]
  政府によるロックダウンは、学術機関に対して、従来の対面教育からハイブリッドまたは完全リモート学習モデルに移行するよう呼びかけている。 本論文は,コンピュータプログラミングコースにおける大学生のオンラインアセスメントへのユニバーサルアクセスを実現するために,クラウド展開を調整し,実装した。
  論文  参考訳（メタデータ） (2024-01-31T09:45:41Z)
• Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
  我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。 FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。 実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
  論文  参考訳（メタデータ） (2024-01-22T14:16:37Z)
• A Mini Review on the utilization of Reinforcement Learning with OPC UA [0.9208007322096533]
  強化学習(Reinforcement Learning, RL)は、ロボット工学、自然言語処理、ゲームプレイといった様々な分野に応用された強力な機械学習パラダイムである。 この可能性を完全に活用する鍵は、既存の産業システムへのRLのシームレスな統合である。 この研究は、このギャップを埋めるために、両方の技術の技術的な概要を簡潔に提供し、半発掘的な文献レビューを実施している。
  論文  参考訳（メタデータ） (2023-05-24T13:03:48Z)
• Decentralized federated learning methods for reducing communication cost and energy consumption in UAV networks [8.21384946488751]
  無人航空機(UAV)は、商品の配送、リアルタイム道路交通のマッピング、汚染の監視など、現代のスマートシティにおいて多くの役割を担っている。 従来のドローンの機械学習モデルは、データのプライバシー問題、通信コスト、エネルギー制限に遭遇する。 本稿では,UAVネットワークのための分散学習(DFL-UN)の既存アーキテクチャをベースとした,通信FLと代替FLの2つのアグリゲーション手法を提案する。
  論文  参考訳（メタデータ） (2023-04-13T14:00:34Z)
• Online Data Selection for Federated Learning with Limited Storage [53.46789303416799]
  ネットワークデバイス間での分散機械学習を実現するために、フェデレートラーニング(FL)が提案されている。 デバイス上のストレージがFLの性能に与える影響はまだ調査されていない。 本研究では,デバイス上のストレージを限定したFLのオンラインデータ選択について検討する。
  論文  参考訳（メタデータ） (2022-09-01T03:27:33Z)
• An Efficient Industrial Federated Learning Framework for AIoT: A Face Recognition Application [9.977688793193012]
  近年,モノの人工知能(AIoT)が注目されている。 データのプライバシーに関する最近の規制は、機密性の高いローカルデータをデータセンターにアップロードすることを妨げる。 顔認識アプリケーションの観点から,AIoTのための効率的な産業連携学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-06-21T14:03:20Z)
• SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
  本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。 しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
  論文  参考訳（メタデータ） (2021-12-22T14:45:37Z)
• Federated Learning for Industrial Internet of Things in Future Industries [106.13524161081355]
  産業用IoT(Industrial Internet of Things)は,産業用システムの運用を変革する有望な機会を提供する。 近年、人工知能(AI)はインテリジェントIIoTアプリケーションの実現に広く利用されている。 フェデレートラーニング(FL)は、複数のIIoTデバイスとマシンを協調して、ネットワークエッジでAIトレーニングを実行することで、インテリジェントなIIoTネットワークにとって特に魅力的である。
  論文  参考訳（メタデータ） (2021-05-31T01:02:59Z)
• To Talk or to Work: Flexible Communication Compression for Energy Efficient Federated Learning over Heterogeneous Mobile Edge Devices [78.38046945665538]
  巨大なモバイルエッジデバイス上でのフェデレーション学習(FL)は、多数のインテリジェントなモバイルアプリケーションのための新たな地平を開く。 FLは、定期的なグローバル同期と継続的なローカルトレーニングにより、参加するデバイスに膨大な通信と計算負荷を課す。 フレキシブルな通信圧縮を可能にする収束保証FLアルゴリズムを開発。
  論文  参考訳（メタデータ） (2020-12-22T02:54:18Z)
• Wireless Communications for Collaborative Federated Learning [160.82696473996566]
  IoT(Internet of Things)デバイスは、収集したデータを中央のコントローラに送信することができず、機械学習モデルをトレーニングすることができる。 GoogleのセミナルFLアルゴリズムでは、すべてのデバイスを中央コントローラに直接接続する必要がある。 本稿では,コラボレーティブFL(CFL)と呼ばれる新しいFLフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-03T20:00:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。