論文の概要: User Head Movement-Predictive XR in Immersive H2M Collaborations over Future Enterprise Networks
- arxiv url: http://arxiv.org/abs/2507.15254v1
- Date: Mon, 21 Jul 2025 05:31:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-22 20:51:32.266951
- Title: User Head Movement-Predictive XR in Immersive H2M Collaborations over Future Enterprise Networks
- Title（参考訳）: 没入型H2Mコラボレーションにおけるユーザ頭部運動予測XR
- Authors: Sourav Mondal, Elaine Wong,
- Abstract要約: 本研究では,人間の頭部の動きを高精度なモデルで予測する新しいH2M協調手法を提案する。
XRフレームのエンドツーエンドレイテンシとジッタ要件が,エンタープライズネットワークよりもはるかに少ない帯域幅で満たされていることを示す。
- 参考スコア（独自算出の注目度）: 4.0707065703101755
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The evolution towards future generation of mobile systems and fixed wireless networks is primarily driven by the urgency to support high-bandwidth and low-latency services across various vertical sectors. This endeavor is fueled by smartphones as well as technologies like industrial internet of things, extended reality (XR), and human-to-machine (H2M) collaborations for fostering industrial and social revolutions like Industry 4.0/5.0 and Society 5.0. To ensure an ideal immersive experience and avoid cyber-sickness for users in all the aforementioned usage scenarios, it is typically challenging to synchronize XR content from a remote machine to a human collaborator according to their head movements across a large geographic span in real-time over communication networks. Thus, we propose a novel H2M collaboration scheme where the human's head movements are predicted ahead with highly accurate models like bidirectional long short-term memory networks to orient the machine's camera in advance. We validate that XR frame size varies in accordance with the human's head movements and predict the corresponding bandwidth requirements from the machine's camera to propose a human-machine coordinated dynamic bandwidth allocation (HMC-DBA) scheme. Through extensive simulations, we show that end-to-end latency and jitter requirements of XR frames are satisfied with much lower bandwidth consumption over enterprise networks like Fiber-To-The-Room-Business. Furthermore, we show that better efficiency in network resource utilization is achieved by employing our proposed HMC-DBA over state-of-the-art schemes.
- Abstract（参考訳）: 将来のモバイルシステムと固定無線ネットワークへの進化は、主に様々な分野にわたる高帯域幅および低レイテンシサービスをサポートする緊急性によって引き起こされる。
この取り組みは、スマートフォンだけでなく、産業用モノのインターネット、拡張現実(XR)、産業用4.0/5.0や社会用5.0といった産業・社会革命を育むための人間と機械(H2M)のコラボレーションといった技術によって支えられている。
上記のすべての利用シナリオにおいて、理想的な没入型体験を保証し、ユーザに対するサイバーシックさを避けるため、通信ネットワークを介してリアルタイムに大規模な地理的スパンを横断する頭の動きに応じて、リモートマシンからヒューマンコラボレータへのXRコンテンツの同期が難しいのが一般的である。
そこで本研究では,人間の頭部の動きを,双方向の長期記憶ネットワークなどの高精度なモデルで予測し,マシンのカメラを前方に向けるH2M協調方式を提案する。
我々は、人間の頭部の動きに応じてXRフレームのサイズが変化することを検証し、マシンカメラから対応する帯域幅要求を予測し、ヒューマンマシン協調動的帯域幅割り当て(HMC-DBA)方式を提案する。
広範にわたるシミュレーションにより、XRフレームのエンドツーエンドのレイテンシとジッタ要求が、Fiber-To-The-Room-Businessのようなエンタープライズネットワークよりもはるかに少ない帯域幅で満たされていることを示す。
さらに,提案手法を用いたHMC-DBAにより,ネットワーク資源利用効率の向上が図られている。
関連論文リスト
- Predicting Large-scale Urban Network Dynamics with Energy-informed Graph Neural Diffusion [51.198001060683296]
ネットワーク化された都市システムは人、資源、サービスのフローを促進する。
グラフニューラルネットワークのような現在のモデルは、将来性を示しているが、有効性と効率性のトレードオフに直面している。
本論文は,本質的なモデル設計を伝えるための物理法則からインスピレーションを得て,このトレードオフに対処する。
論文 参考訳（メタデータ） (2025-07-31T01:24:01Z) - Smooth Handovers via Smoothed Online Learning [48.953313950521746]
まず、欧州の商用モバイルネットワークオペレータ(MNO)から4000万人以上のユーザを対象に、HOに対する重要な特徴とパフォーマンスへの影響を理解し、明らかにするために、広範なデータセットを分析した。
本研究は, HO故障/遅延と無線セルとエンドユーザーデバイスの特徴の相関関係を明らかにする。
本稿では,HO最適化にデバイスとセルの機能を組み込むことで,既存のアプローチを拡張したスムーズで高精度なHOのための現実的なシステムモデルを提案する。
論文 参考訳（メタデータ） (2025-01-14T13:16:33Z) - Intelligent Task Offloading: Advanced MEC Task Offloading and Resource Management in 5G Networks [6.725133919174076]
5G技術は、高速で信頼性が高く、低レイテンシな通信、モバイルブロードバンドの革新、大規模なIoT接続をサポートする業界を強化します。
User Equipment上のアプリケーションの複雑さが増すにつれて、リソース集約的なタスクを堅牢なサーバにオフロードすることは、レイテンシとスピードを改善する上で不可欠である。
本稿では,各UE間の通信資源を効率的に配分する手法を提案する。
5G技術の進化によって引き起こされる課題に対して、堅牢で効率的な解決策を提供する。
論文 参考訳（メタデータ） (2025-01-08T16:19:44Z) - Disaggregating Embedding Recommendation Systems with FlexEMR [15.8882408225153]
FlexEMRは、ネットワークの課題に取り組むための2つのテクニックを提案しています。
それぞれのテクニックの設計空間を概説し、初期のプロトタイプからの最初の結果を示す。
論文 参考訳（メタデータ） (2024-09-28T01:58:11Z) - HammingMesh: A Network Topology for Large-Scale Deep Learning [12.8646136247073]
ネットワークトポロジーであるハミングメシュを設計し、高いジョブスケジューリングの柔軟性を備えた低コストで高帯域幅を提供する。
具体的には、HammingMeshは2次元の並列性を持つディープラーニングトレーニングジョブに対して、完全な帯域幅と分離をサポートすることができる。
論文 参考訳（メタデータ） (2022-09-03T07:09:47Z) - Short-Term Trajectory Prediction for Full-Immersive Multiuser Virtual
Reality with Redirected Walking [6.622115542749609]
完全没入型マルチユーザーバーチャルリアリティ(VR)は、仮想世界のユーザの制約のないモビリティをサポートすることを想定している。
RNN ファミリーの別の候補である Gated Recurrent Unit (GRU) ネットワークは、一般的に従来の LSTM よりも優れていることを示す。
第2に、仮想世界からのコンテキストは、追加の入力機能として使用すれば、予測の精度を高めることができることを示す。
論文 参考訳（メタデータ） (2022-07-15T15:09:07Z) - Machine Learning-Based User Scheduling in Integrated
Satellite-HAPS-Ground Networks [82.58968700765783]
第6世代通信ネットワーク(6G)の強化のための価値あるソリューション空間の提供を約束する。
本稿では,空対地統合通信におけるユーザスケジューリングにおける機械学習の可能性について述べる。
論文 参考訳（メタデータ） (2022-05-27T13:09:29Z) - Collaborative Intelligent Reflecting Surface Networks with Multi-Agent
Reinforcement Learning [63.83425382922157]
インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。
本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
論文 参考訳（メタデータ） (2022-03-26T20:37:14Z) - SABER: Data-Driven Motion Planner for Autonomously Navigating
Heterogeneous Robots [112.2491765424719]
我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。
モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。
リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。
ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
論文 参考訳（メタデータ） (2021-08-03T02:56:21Z) - Multi-Exit Semantic Segmentation Networks [78.44441236864057]
本稿では,最先端セグメンテーションモデルをMESSネットワークに変換するフレームワークを提案する。
パラメトリド早期出口を用いた特別訓練されたCNNは、より簡単なサンプルの推測時に、その深さに沿って保存する。
接続されたセグメンテーションヘッドの数、配置、アーキテクチャとエグジットポリシーを併用して、デバイス機能とアプリケーション固有の要件に適応する。
論文 参考訳（メタデータ） (2021-06-07T11:37:03Z) - Dynamic Slimmable Network [105.74546828182834]
ダイナミックスリム化システム「ダイナミックスリム化ネットワーク(DS-Net)」を開発。
ds-netは,提案するダブルヘッド動的ゲートによる動的推論機能を備えている。
静的圧縮法と最先端の静的および動的モデル圧縮法を一貫して上回っている。
論文 参考訳（メタデータ） (2021-03-24T15:25:20Z) - Long Short Term Memory Networks for Bandwidth Forecasting in Mobile
Broadband Networks under Mobility [6.112377814215607]
MBBネットワークにおける帯域幅予測実験のためのオープンソースのフレームワークであるHINDSIGHT++を紹介する。
主に第5世代(5G)ネットワークの帯域幅予測に重点を置いている。
特に5Gophersは,米国内で運用されている5Gネットワーク上でのネットワーク性能を計測するための,最初のオープンソースの試みである。
論文 参考訳（メタデータ） (2020-11-20T18:59:27Z)
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。