論文の概要: Beyond Wave Variables: A Data-Driven Ensemble Approach for Enhanced Teleoperation Transparency and Stability

• arxiv url: http://arxiv.org/abs/2512.08436v1
• Date: Tue, 09 Dec 2025 10:06:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-10 22:28:07.908861
• Title: Beyond Wave Variables: A Data-Driven Ensemble Approach for Enhanced Teleoperation Transparency and Stability
• Title（参考訳）: ウェーブバリアを超えて - テレオペラビリティの強化と安定性のためのデータ駆動型アンサンブルアプローチ
• Authors: Nour Mitiche, Farid Ferguene, Mourad Oussalah,
• Abstract要約: 本稿では、従来の波動可変変換を3つの高度なシーケンスモデルのアンサンブルに置き換える、データ駆動型ハイブリッドフレームワークを提案する。 その結果,我々のアンサンブルは,様々な遅延やノイズの下で,ベースラインの波動可変系に匹敵する透過性を達成できることが示唆された。
• 参考スコア（独自算出の注目度）: 2.9802157303754844
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Time delays in communication channels present significant challenges for bilateral teleoperation systems, affecting both transparency and stability. Although traditional wave variable-based methods for a four-channel architecture ensure stability via passivity, they remain vulnerable to wave reflections and disturbances like variable delays and environmental noise. This article presents a data-driven hybrid framework that replaces the conventional wave-variable transform with an ensemble of three advanced sequence models, each optimized separately via the state-of-the-art Optuna optimizer, and combined through a stacking meta-learner. The base predictors include an LSTM augmented with Prophet for trend correction, an LSTM-based feature extractor paired with clustering and a random forest for improved regression, and a CNN-LSTM model for localized and long-term dynamics. Experimental validation was performed in Python using data generated from the baseline system implemented in MATLAB/Simulink. The results show that our optimized ensemble achieves a transparency comparable to the baseline wave-variable system under varying delays and noise, while ensuring stability through passivity constraints.
• Abstract（参考訳）: 通信チャネルにおける時間遅延は、双方向遠隔操作システムにおいて重要な課題を示し、透明性と安定性の両方に影響を及ぼす。 従来の4チャンネルアーキテクチャの波動変化に基づく手法は、通過率による安定性を保証するが、波動反射や変動遅延や環境騒音などの障害に弱いままである。 本稿では,従来の波動可変変換を3つの高度なシーケンスモデルのアンサンブルに置き換えたデータ駆動ハイブリッドフレームワークについて述べる。 ベース予測器には、傾向補正のためのProphetを付加したLSTM、クラスタリングと組み合わせたLSTMベースの特徴抽出器、回帰を改善するためのランダムフォレスト、局所的および長期的ダイナミクスのためのCNN-LSTMモデルが含まれる。 MATLAB/Simulinkで実装されたベースラインシステムから生成されたデータを用いてPythonで実験的な検証を行った。 その結果、最適化されたアンサンブルは、遅延や雑音の異なるベースラインの波動可変系に匹敵する透過性を達成し、通過性制約による安定性を確保できることを示した。

関連論文リスト

• Model-Based Diffusion Sampling for Predictive Control in Offline Decision Making [48.998030470623384]
  オフラインの意思決定は、さらなるインタラクションを伴わずに、固定データセットからの信頼性の高い振る舞いを必要とする。 i)タスク整列軌道を多様に生成するプランナー,(ii)システム力学との整合性を強制するダイナミクスモデル,(iii)タスク目標に整合した動作を選択するランサーモジュールからなる構成モデルに基づく拡散フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-09T06:26:02Z)
• DPWMixer: Dual-Path Wavelet Mixer for Long-Term Time Series Forecasting [6.01829429039985]
  長期時系列予測は計算知能において重要な課題である。 本稿では,計算効率の良いDual-PathアーキテクチャDPWMixerを提案する。 8つの公開ベンチマーク実験により,本手法は最先端のベースラインよりも一貫した改善を達成できることが示された。
  論文  参考訳（メタデータ） (2025-11-30T03:12:50Z)
• Transformer-based Scalable Beamforming Optimization via Deep Residual Learning [12.79709425087431]
  大規模MU-MISOチャネルにおけるダウンリンクビームフォーミングのための教師なしディープラーニングフレームワーク。 モデルはオフラインでトレーニングされ、動的通信環境における軽量フィードフォワード計算によるリアルタイム推論を可能にする。
  論文  参考訳（メタデータ） (2025-10-15T01:43:51Z)
• Learning from Scratch: Structurally-masked Transformer for Next Generation Lib-free Simulation [5.564681128355971]
  本稿では,多段階データパスのパワーとタイミング予測のためのニューラルネットワークフレームワークを提案する。 私たちの知る限りでは、これは標準セル用に明示的に設計された言語ベースのネットリスト対応ニューラルネットワークとしては初めてのものです。
  論文  参考訳（メタデータ） (2025-07-23T10:46:25Z)
• TOAST: Task-Oriented Adaptive Semantic Transmission over Dynamic Wireless Environments [3.3107717550009865]
  TOAST(Task-Oriented Adaptive Semantic Transmission)は、無線環境におけるマルチタスク最適化の課題を解決するために設計された統合フレームワークである。 我々はマルコフ決定過程として適応的タスクバランスを定式化し、画像再構成の忠実度と意味分類の精度のトレードオフを動的に調整するために深層強化学習を用いる。 モジュール固有のLow-Rank Adaptation(LoRA)機構を,Swin Transformerベースのジョイントソースチャネル符号化アーキテクチャ全体に統合する。
  論文  参考訳（メタデータ） (2025-06-27T04:36:30Z)
• Towards Stabilized and Efficient Diffusion Transformers through Long-Skip-Connections with Spectral Constraints [51.83081671798784]
  Diffusion Transformers (DiT) は、画像およびビデオ生成のための強力なアーキテクチャとして登場し、優れた品質とスケーラビリティを提供している。 DiTの実用アプリケーションは本質的に動的特徴不安定性に悩まされており、キャッシュされた推論中にエラーを増幅する。 我々は,Long-Skip-Connections (LSCs) で拡張された画像およびビデオ生成型DiTであるSkip-DiTを提案する。
  論文  参考訳（メタデータ） (2024-11-26T17:28:10Z)
• Oscillatory State-Space Models [61.923849241099184]
  長いシーケンスを効率的に学習するための線形状態空間モデル(LinOSS)を提案する。 高速な連想並列スキャンを用いて時間とともに統合された安定な離散化により、提案した状態空間モデルが得られる。 我々はLinOSSが普遍であること、すなわち時間変化関数間の連続および因果作用素写像を近似できることを示す。
  論文  参考訳（メタデータ） (2024-10-04T22:00:13Z)

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。