論文の概要: Scoping Sustainable Collaborative Mixed Reality

• arxiv url: http://arxiv.org/abs/2409.07640v1
• Date: Wed, 11 Sep 2024 21:49:07 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-13 18:21:43.812063
• Title: Scoping Sustainable Collaborative Mixed Reality
• Title（参考訳）: Scoping Sustainable Collaborative Mixed Reality
• Authors: Yasra Chandio, Noman Bashir, Tian Guo, Elsa Olivetti, Fatima Anwar,
• Abstract要約: Mixed Reality(MR)は、教育、医療、その他のレジャー以外の分野にも応用されている。 MRエコシステム全体のデバイスとリソースの総数は非常に大きい。 最近の研究は、ハードウェア設計空間やネットワーク最適化を探索することで、MRデバイスの炭素フットプリントを削減することを検討している。
• 参考スコア（独自算出の注目度）: 2.907792621780465
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Mixed Reality (MR) is becoming ubiquitous as it finds its applications in education, healthcare, and other sectors beyond leisure. While MR end devices, such as headsets, have low energy intensity, the total number of devices and resource requirements of the entire MR ecosystem, which includes cloud and edge endpoints, can be significant. The resulting operational and embodied carbon footprint of MR has led to concerns about its environmental implications. Recent research has explored reducing the carbon footprint of MR devices by exploring hardware design space or network optimizations. However, many additional avenues for enhancing MR's sustainability remain open, including energy savings in non-processor components and carbon-aware optimizations in collaborative MR ecosystems. In this paper, we aim to identify key challenges, existing solutions, and promising research directions for improving MR sustainability. We explore adjacent fields of embedded and mobile computing systems for insights and outline MR-specific problems requiring new solutions. We identify the challenges that must be tackled to enable researchers, developers, and users to avail themselves of these opportunities in collaborative MR systems.
• Abstract（参考訳）: Mixed Reality(MR)は、教育、医療、その他のレジャー以外の分野にも応用されている。 ヘッドセットのようなMRエンドデバイスはエネルギー強度が低いが、全体のデバイス数と、クラウドとエッジエンドポイントを含むMRエコシステム全体のリソース要件は、非常に重要である。 MRの動作および実施された炭素フットプリントは、その環境への影響を懸念している。 最近の研究は、ハードウェア設計空間やネットワーク最適化を探索することで、MRデバイスの炭素フットプリントを削減することを検討している。 しかし、非プロセッサコンポーネントの省エネや協調型MRエコシステムのカーボンアウェア最適化など、MRの持続可能性を高めるための他の多くの道は未解決のままである。 本稿では,MRサステナビリティ向上のための重要な課題,既存ソリューション,将来的な研究方向性を明らかにすることを目的とする。 組み込みおよびモバイルコンピューティングシステムの隣接分野を考察し、新しいソリューションを必要とするMR固有の問題を概説する。 私たちは、研究者、開発者、ユーザが協調的なMRシステムでこれらの機会を活用できるように、取り組まなければならない課題を特定します。

関連論文リスト

• Generative AI for Low-Carbon Artificial Intelligence of Things with Large Language Models [67.0243099823109]
  ジェネレーティブAI(GAI)は、AIoT(Artificial Intelligence of Things)の二酸化炭素排出量を減らす大きな可能性を秘めている 本稿では, 炭素排出量削減のためのGAIの可能性について検討し, 低炭素AIoTのための新しいGAI対応ソリューションを提案する。 本稿では,Large Language Model (LLM) を利用したCO_2排出最適化フレームワークを提案し,このフレームワークにより,プラグ可能なLLMとRetrieval Augmented Generation (RAG) モジュールを設計する。
  論文  参考訳（メタデータ） (2024-04-28T05:46:28Z)
• EnergAIze: Multi Agent Deep Deterministic Policy Gradient for Vehicle to Grid Energy Management [0.0]
  本稿では,MARL(Multi-Agent Reinforcement Learning)エネルギー管理フレームワークであるEnergAIzeを紹介する。 ユーザ中心の多目的エネルギー管理を可能にし、各プローサが様々な個人管理目標から選択できるようにする。 EnergAIzeの有効性は、CityLearnシミュレーションフレームワークを用いたケーススタディにより評価された。
  論文  参考訳（メタデータ） (2024-04-02T23:16:17Z)
• Trustful Coopetitive Infrastructures for the New Space Exploration Era [0.0]
  新しい宇宙経済において、宇宙機関、大企業、スタートアップは、様々な資源利用目的のために、宇宙マルチロボットシステム(MRS)を立ち上げることを目指している。 これらの利害関係者の競合する経済利害関係は、集中型デジタルプラットフォームにおける効果的な協力を妨げる可能性がある。 本稿では、新しいアーキテクチャフレームワークと、MSSにブロックチェーン技術を統合するための包括的な要求セットを提案する。
  論文  参考訳（メタデータ） (2024-02-08T19:24:38Z)
• On the Opportunities of Green Computing: A Survey [80.21955522431168]
  人工知能(AI)は数十年にわたり、技術と研究において大きな進歩を遂げてきた。 高いコンピューティングパワーの必要性は、より高い二酸化炭素排出量をもたらし、研究の公正性を損なう。 コンピューティングリソースの課題とAIの環境への影響に取り組むため、グリーンコンピューティングはホットな研究トピックとなっている。
  論文  参考訳（メタデータ） (2023-11-01T11:16:41Z)
• Towards Net-Zero Carbon Emissions in Network AI for 6G and Beyond [36.02419793345877]
  世界の温室効果ガス(温室効果ガス)排出量(主に炭素排出量)を2030年までに半分減らし、2050年までにネットゼロに達するよう、世界的な取り組みが進められている。 ハードウェアとソフトウェアの設計の両方でエネルギー効率が向上したにもかかわらず、モバイルネットワーク全体のエネルギー消費と炭素排出量は依然として増加を続けている。 DETAと呼ばれる新しい動的エネルギー取引とタスク割り当て最適化フレームワークが、炭素排出量の削減のために導入された。
  論文  参考訳（メタデータ） (2023-09-18T12:24:06Z)
• Enhancing Human-like Multi-Modal Reasoning: A New Challenging Dataset and Comprehensive Framework [51.44863255495668]
  マルチモーダル推論は、人間のような知性を示す人工知能システムの追求において重要な要素である。 提案するマルチモーダル推論(COCO-MMR)データセットは,オープンエンド質問の集合を包含する新しいデータセットである。 画像とテキストエンコーダを強化するために,マルチホップ・クロスモーダル・アテンションや文レベルのコントラスト学習などの革新的な手法を提案する。
  論文  参考訳（メタデータ） (2023-07-24T08:58:25Z)
• A Survey on Multi-Resident Activity Recognition in Smart Environments [1.2037683414151241]
  HAR(Human Activity Recognition)は、スマートデバイス、センサー、アルゴリズムを利用して個人の行動を自動的に分類し識別する、急速に成長する分野である。 これらのシステムには、ケアタスクの支援、セキュリティの向上、エネルギー効率の向上など、幅広い応用がある。 重要な課題の1つは、センサーの観察と関係者の身元を正確に関連付けることである。
  論文  参考訳（メタデータ） (2023-04-24T17:55:10Z)
• Is TinyML Sustainable? Assessing the Environmental Impacts of Machine Learning on Microcontrollers [11.038060631389273]
  Tiny Machine Learning(TinyML)は,持続可能なコンピューティングプラクティスを通じて,環境問題に対処する機会を提供する。 本稿では、これらのTinyMLアプリケーションが、重要な持続可能性課題に対処する可能性と、この新興技術の環境フットプリントについて論じる。 TinyMLシステムは、他のセクターの排出量を減らすアプリケーションを可能にすることで、二酸化炭素排出量を相殺する機会を提供する。
  論文  参考訳（メタデータ） (2023-01-27T18:23:10Z)
• Effective Mutation Rate Adaptation through Group Elite Selection [50.88204196504888]
  本稿では,GESMR(Group Elite Selection of Mutation Rates)アルゴリズムを提案する。 GESMRは解の集団とMRの集団を共進化させ、各MRは解群に割り当てられる。 同じ数の関数評価とオーバーヘッドのほとんどないGESMRは、以前のアプローチよりも早く、より良いソリューションに収束する。
  論文  参考訳（メタデータ） (2022-04-11T01:08:26Z)
• A survey on applications of augmented, mixed and virtual reality for nature and environment [114.4879749449579]
  拡張現実(AR)、仮想現実(VR)、複合現実(MR)は、彼らが提供できるエンゲージメントとエンリッチな体験のために、大きな潜在能力を持つ技術である。 しかし、環境応用の分野でAR、VR、MRがもたらす可能性はまだ広く研究されていない。 本研究は,環境に有利な既存のAR/VR/MRアプリケーションを発見・分類したり,環境問題に対する意識を高めることを目的とした調査の結果を示す。
  論文  参考訳（メタデータ） (2020-08-27T09:59:27Z)
• Risk-Aware Energy Scheduling for Edge Computing with Microgrid: A Multi-Agent Deep Reinforcement Learning Approach [82.6692222294594]
  マイクログリッドを用いたMECネットワークにおけるリスク対応エネルギースケジューリング問題について検討する。 ニューラルネットワークを用いたマルチエージェントディープ強化学習(MADRL)に基づくアドバンテージアクター・クリティック(A3C)アルゴリズムを適用し,その解を導出する。
  論文  参考訳（メタデータ） (2020-02-21T02:14:38Z)

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。